Библиотека / Эзотерика / Принг Бен : " Что Делать Когда Машины Начнут Делать Все Как Роботы И Искусственный Интеллект Изменят Жизнь И Работу " - читать онлайн

Сохранить .
Что делать, когда машины начнут делать все. Как роботы и искусственный интеллект изменят жизнь и работу Малкольм Фрэнк
        Пол Рериг
        Бен Принг
        Роботы не наступают - они уже среди нас! Боты штампуют новостные ленты, алгоритмы искусственного интеллекта зарабатывают на финансовых рынках, ставят медицинские диагнозы и даже помогают выбрать фильмы и товары. Но к чему это все приведет? Лишат ли роботы людей работы? Сможет ли искусственный разум подчинить себе человечество? Как автоматизация бизнеса поможет победить в конкурентной борьбе? Одни из самых признанных экспертов в сфере высоких технологий провели глубокий анализ и поделились интересными выводами.
        Малкольм Фрэнк, Пол Рериг, Бен Принг
        Что делать, когда машины начнут делать все. Как роботы и искусственный интеллект изменят жизнь и работу
        Предисловие
        Наверное, Вы думаете: «Если все будут делать машины, что буду делать Я?» Хороший вопрос.
        Если машины умеют все, как зарабатывать на жизнь людям? Как нам оплачивать аренду или ипотеку, как обеспечивать себя едой? Как выживать, если программное обеспечение справляется со всей умственной работой?
        Даже если в карьере вы достигли того положения, где чувствуете себя в безопасности от подъема новых машин, как добиться процветания вашим детям, когда компьютеры могут передумать, пере-работать и пере-управлять их? Чему учиться молодежи? На чем сосредоточиться? И будет ли у них хоть небольшой шанс прожить такую хорошую жизнь, как ваша?
        Если речь идет о работе, как выстраивать структуру вашей компании, когда столько всего может быть автоматизировано? Что произойдет со всем этим квалифицированным персоналом среднего класса, со всеми руководителями среднего звена, которые сегодня считаются краеугольным камнем нашего общества?
        Все это хорошие, правильные вопросы, поскольку совершенно очевидно, что происходит что-то важное.
        Подъем искусственного интеллекта - одно из главных явлений нашего времени. Спустя несколько десятков лет подготовки умная машина покидает лабораторию и с возрастающей скоростью проникает во все новые аспекты нашей жизни: в наши телефоны, автомобили, самолеты, на которых мы летаем, в то, как мы обращаемся со своими деньгами в банке и как выбираем музыку, которую будем слушать.
        Всего через несколько лет искусственный разум будет окружать нас повсюду, укореняясь и в процессах более высокого порядка. Он будет обучать наших детей, лечить болезни и сокращать счета за электроэнергию. Он будет ловить преступников, повышать урожайность и помогать нам открывать новые миры дополненной и виртуальной реальности.
        С каждым днем машины становятся все умнее, делают больше и больше; уже скоро они изменят наши жизни и работу способами легко вообразимыми, но трудно предсказуемыми. Так что же делать человеку?
        Эти вопросы звучат в нашем сознании уже довольно долго. Любой, в ком при случае вдруг просыпается случайный интерес к будущему, может увидеть, как подобные сюжеты проскакивают в водовороте произведений «в духе времени»: в кино («Из машины» (Ex Machina) и «Она» (Her)), на телевидении («Черное зеркало» (Black Mirror), «Люди» (Humans) и «Звездный крейсер «Галактика» (Battlestar Galactica)), в книгах (Superintelligence и Rise of the Robots) и в бесчисленных публикациях в прессе. Однако наш интерес к будущему более чем случаен.
        Мы руководим «Центром осмысления будущего работы» (Cognizant’s Center for the Future of Work) и считаем своим долгом разобраться в том, как работа будет осуществляться в будущем. Мы сотрудничаем со многими ведущими мировыми компаниями, университетами, аналитиками и техническими специалистами, чтобы разобраться в огромных переменах, которые все мы испытываем на себе, а также оценить, как по-другому придется посмотреть на работу, насколько глубоко нужно будет изменить ее конфигурацию и структуру в ближайшие годы. Мы делаем это, чтобы понять, как новые технологии будут формировать наши возможности, с какими угрозами придется столкнуться и как будут взаимодействовать и сосуществовать человек и машина.
        Последние три года мы провели, размышляя над вопросом, как работать, когда все делают машины, отделяя рекламную шумиху от реальности, на переднем фронте мирового бизнеса.
        Книга, которую вы держите в руках, содержит наши ответы на эти вопросы.
        Основная идея? Все будет хорошо. По сути, даже лучше, чем хорошо, поскольку искусственный интеллект - это своего рода предвестник новой индустриальной революции, которая для тех, кто правильно ею распорядится, сумеет создать значительный экономический рост.
        Заменят ли новые машины многих современных работников? Да. Однако, если смотреть шире, новые машины также создадут лучшие, более производительные рабочие места, приносящие удовлетворения больше, чем когда-либо прежде. Новые машины улучшат качество жизни и станут проводником в период гораздо более высокого экономического роста, чем тот, что мы видели в западном мире за последние пятьдесят лет.
        Но есть и загвоздка, заключенная в названии этой книги в части «что делать».
        Вы и компания, на которую работаете, которую представляете, должна принять, усвоить и максимально использовать тот факт, что минута за минутой машины делают все большую и большую часть выполняемой нами работы. Это основополагающее утверждение данной книги.
        Именно здесь многие люди застревают. Они начинают проваливаться в экзистенциальные ямы: Будем ли мы нужны машинам? Кто будет контролировать машины? Будут ли машины действовать во благо человечества? Опять же, это прекрасные вопросы, способные дать старт захватывающим дискуссиям, которые мы любим вести не меньше всех прочих, особенно за бокалом красного вина. Однако эти дискуссии не помогут вам понять, что же делать.
        Если вы хотите почитать философские размышления на тему того, что искусственный разум мог бы сотворить в следующие двадцать пять лет, то эта книга не для вас. Но если вам необходим прагматичный совет на тему того, что искусственный разум будет делать в следующие пять лет, эта книга определенно для вас.
        Пока одни витают в облаках, другие носом роют землю. Пока одни будут размышлять, другие будут действовать.
        Эта книга ставит перед собой задачу ответить на вопрос о будущем вашего бизнеса и работы в эпоху интеллектуальных машин. Она объясняет, как вы, личность и руководитель своей организации, сможете выживать и процветать в мире, где все делают машины. Эта книга объясняет, что вам стоит делать, почему и что произойдет, если вы этого делать не станете.
        Мы написали эту книгу, поскольку живем в удивительное время. Мы не только профессионально изучаем будущее, мы трое изучаем также историю. Понимание великих перемен прошлого дает нам точку опоры для понимания, как происходят перемены здесь и сейчас. Дети и внуки будут изучать наше время так же, как мы изучаем Джеймса Уатта, Эндрю Карнеги и Томаса Эдисона.
        Пришло время строить собственное будущее, преисполнившись оптимизмом и уверенностью. Когда все делают машины, для вас тоже остается много дел. Давайте за них приниматься.
        Глава 1
        Когда машины делают все
        Искусственный разум покинул лабораторию (и территорию киностудии) и уже находится рядом с вами. Он в вашем доме. Он в вашем офисе. Он проник во все институты, что двигают мировую экономику. От Alexa до Nest, Siri, Uber и Waze - мы окружены умными машинами, действующими на невероятно мощных, самообучающихся программных платформах. И это только начало.
        До настоящего времени все мы наслаждались - даже не всегда замечая это - самыми разными формами «слабого» искусственного интеллекта (ИИ). Это то, как Amazon советует вам правильный подарок. Как Netflix предлагает отличный фильм для субботнего вечера. Или то, как Facebook наполняет вашу ленту новостей. Данные формы ИИ выступали приятными небольшими помощниками, делая нашу жизнь немного более легкой и веселой. Начав однажды пользоваться ИИ, мы перестаем о них думать. Всего за несколько коротких лет эти машины стали для нас практически невидимыми в повседневной жизни.
        Сегодня ИИ трансформируется из небольшого ежедневного помощника во что-то гораздо более могущественное и подрывное, поскольку НОВЫЕ МАШИНЫ БЫСТРО ПРЕВОСХОДЯТ САМЫХ ТАЛАНТЛИВЫХ ИЗ НАС ВО МНОГИХ НАЧИНАНИЯХ. Например:

•ИНТЕЛЛЕКТУАЛЬНЫЕ ИГРЫ: платформа ИИ сегодня может состязаться с нами в самых захватывающих играх - Jeopardy! (российский аналог - «Своя игра». - Прим. перев.), шахматы, го. В марте 2016^1^ года AlphaGo от Google побила чемпиона мира по го Ли Седоля (Lee Sedol) со счетом 4:1. Это была убедительная победа, но не разгром. Однако с текущим уровнем технологического развития всего через несколько лет в подобных битвах умов машина станет для человека непобедимой.

•ВОЖДЕНИЕ: беспилотные автомобили, хоть и находятся еще в стадии разработки, уже справляются с управлением лучше, чем средний человек. Согласно исследованиям Virginia Tech (Публичный исследовательский университет в Блэксбурге, штат Виргиния, США), управляемые человеком машины попадают в 4,2 аварии на миллион миль, а автоматизированные машины - в 3,2 аварии на миллион миль^2^. Несомненно, эта диспропорция в безопасности в ближайшие годы только возрастет, и беспилотные машины, которые никогда не набирают сообщения за рулем и не садятся в машину пьяными, выйдут на передний план.

•ТРЕЙДИНГ: в 2015 году шесть из восьми крупнейших хедж-фондов Соединенных Штатов заработали около восьми миллиардов долларов, основываясь в основном - или исключительно - на алгоритмах искусственного интеллекта^3^. Машина уже победила в подборе портфеля акций.

•ЗДРАВООХРАНЕНИЕ: в медицине новые машины быстро превосходят возможности врачей-рентгенологов. Исследователи Методистской больницы Хьюстона (Houston Methodist Hospital) используют интеллектуальное программное обеспечение, которое интерпретирует результаты рентгеновского исследования груди в тридцать раз быстрее и с точностью в 99%. Напротив, если маммограмму изучает человек, то в 20% случаев назначается необязательная биопсия^4^.

•ЗАКОН: в юридической сфере наделенные ИИ компьютерные системы проводят анализ доказательств и комплексные экспертизы гораздо лучше, быстрее и дешевле, чем самые талантливые специалисты в области права в престижной юридической фирме. Многочисленные исследования предрекают, что подавляющая часть параюридической работы в скором времени может быть автоматизирована. В не столь отдаленном будущем мы можем достичь точки, где практика полагаться в проведении экспертиз только на человека будет расцениваться как преступная небрежность.
        Мы могли бы продолжать и продолжать, приводя и другие примеры, но суть ясна. Новые машины во многих областях уже превзошли человека. Более того, учитывая, что рост мощности и сложности этих платформ идет в геометрической прогрессии, это лишь краткое содержание анонса.
        Итак, это быстрое распространение ИИ ведет нас к тому, чтобы задать несколько важных вопросов:
        - Отнимут ли роботы у меня работу?
        - Будет ли моя компания «юберизирована»?
        - Как будет выглядеть моя отрасль через десять лет?
        - Будут ли мои дети жить лучше, чем я?
        На следующих страницах мы структурированно, на практике ответим на эти вопросы. Мы проанализировали и разложили в графиках сто лет бизнеса и технологий, и исходя из этих данных сегодня убеждены, что вступаем в новую экономическую эру, ту, что изменит природу работы и основы конкуренции в каждой отрасли. В этой новой экономике мы станем свидетелями расширения границ возможного и сдвиг от машин, которые выполняют, к машинам, которые, оказывается, учатся и думают.
        Нравится вам или нет, но это происходит
        Сегодня происходит то, что Мировой экономический форум в 2016 году объявил Четвертой индустриальной революцией: время экономической перегруппировки, когда старые способы производства уступают место новым и те, кто сумеет приспособить себе на службу новые машины, будут пожинать щедрые плоды расширения границ экономики^5^. Так же как Первая индустриальная революция отталкивалась от изобретения ткацкого станка, вторая - парового двигателя, а третья - конвейера, четвертая будет происходить на базе машин, которые, кажется, умеют думать, тех, о которых в этой книге мы говорим как об «интеллектуальных системах».
        Мы называем бизнес «всезнаек», когда руководители и менеджеры могут и должны быть постоянно осведомлены обо всем, что касается деятельности компании. Там, где раньше мы догадывались, сегодня можем знать. Эти новые машины, которые всегда «включены», всегда «обучаются» и всегда «думают», скоро станут вызовом и противопоставлением знаниям и опыту даже самых искушенных профессионалов каждой отрасли. Нет способа уклониться от гравитационного толчка, производимого новыми машинами и бизнес-моделями, которые они задействуют и на которые опираются.
        В связи с этим, управляете ли вы большим предприятием или только приступаете к первой работе, решение о том, что вы будете делать с новыми машинами, этим современным коктейлем из ИИ, алгоритмов, ботов и больших данных, станет единственным и решающим фактором вашего будущего успеха.
        Цифры, которые имеют значение
        В последние десять лет мы все вместе наслаждались «развлекательным цифровым пространством». Мы видели создание Twitter (2006 г.), появление iPhone от Apple (2007 г.) и IPO Facebook (2012 г.). Эти компании, наряду с другими, такими как Google, Netflix и Amazon, сумели добиться беспрецедентного коммерческого успеха, выразившегося в принятии, ежедневном использовании и создании дополнительных ценностных качеств для потребителя, изменили то, как мы общаемся и организуемся. В истории останется тот факт, что мы начали цифровую революцию с развлечений и пустяков: посты в Facebook, каналы в Twitter и фото в Instagram. Мы используем самые мощные со времен открытия переменного тока инновации, чтобы делиться видео с котиками, переписываться с тетей Элис и ставить хэштеги под политическими заявлениями. Однако все это лишь разогрев, поскольку мы еще даже не начали осознавать потенциал новых машин.
        Пишущая о технологиях Кара Свишер (Kara Swisher) выразила это лучше всех: «В Кремниевой долине полно больших умов, преследующих маленькие идеи»^6^. Что ж, теперь мы входим в эру больших мозгов, сосредоточенных на больших идеях - имеющих значение цифрах, - использующих эти технологии для изменения того, как нас учат, кормят, перемещают, страхуют, лечат и как управляют.
        Такие компании, как Facebook, Amazon, Netflix и Google (иногда называемые группой разработчиков FANG), кажется, утвердились в роли заведомых и вечных победителей в этой области, однако в истории они, вероятнее, останутся как предвестники значительно более важного и демократичного экономического сдвига. Следующая волна цифровых титанов, скорее всего, не будет состоять из стартапов Кремниевой долины. Напротив, она будет запущена сложившимися компаниями из более «традиционных» отраслей - в таких городах, как Балтимор, Бирмингем, Берлин или Брисбен, - которые поймут, каким левериджем могут стать новые машины для надежных знаний о соответствующей индустрии.
        Мы начинаем замечать, как это происходит, поскольку все вместе работаем над применением интеллектуальных систем для решения самых досадных общественных болезней в областях, где цифровые технологии нужны не только для развлечения или тому подобного, но и для изменения жизни. Конечно, многие институты - столпы нашего общества и повседневной жизни - созрели для обновления.
        Например, каждый год мир теряет в автомобильных авариях 1,2 миллиона жизней, причем 94% происшествий становятся результатом человеческих ошибок^7^. Только в Соединенных Штатах эти ДТП обходятся обществу в более чем один триллион долларов. Это почти треть того, что федеральное правительство США собирает в качестве налогов с физических лиц^8^. Беспилотные автомобили обещают спасти бесчисленное количество жизней и оградить нас от душевных мук.
        Одна треть произведенной в мире еды выбрасывается. Только тех продуктов, что выкидывают в богатых странах, достаточно, чтобы накормить все страны Африки к югу от Сахары^9^. Организовав эту цепочку и применив искусственный интеллект, мы могли бы буквально накормить весь мир.
        Так же могло бы резко уменьшиться число ошибочных медицинских диагнозов. Сегодня от 5 до 10% выездов «скорой помощи» заканчиваются постановкой ложного диагноза^10^. Более двенадцати миллионов случаев неверного диагностирования каждый год приводят к четыремстам тысячам смертей, вызванных предотвратимыми ошибками, - и это только в США^11^. Применение соответствующих данных в процессе диагностики могло бы кардинально улучшить результаты лечения.
        Соединенные Штаты тратят на каждого ученика из системы среднего образования больше, чем все прочие страны мира, получая при этом довольно посредственные результаты. В недавнем международном исследовании американские ученики получили по естественным наукам, чтению и математике гораздо более низкие оценки, чем ученики из других развитых индустриальных стран^12^. Адаптировав с помощью технологий уроки под индивидуальный стиль обучения каждого человека, мы могли бы сделать образовательный процесс намного более продуктивным и эффективным как для ученика, так и для учителя.
        Вот некоторые важные вещи, к которым мы можем подойти с новыми машинами. Это цифры, имеющие цель, цифры, имеющие значение; и большие мозги, которые будут двигать вперед подобные инновации, необязательно будут обитать в Кремниевой долине или в общежитии Массачусетского технологического института. Они вполне могут сидеть в соседнем офисе, в вашей компании.
        Так, например, McGraw-Hill Education применяет новые технологии, чтобы помочь учителям и детям улучшить обучение посредством системы, называемой ALEKS. Наделенная искусственным интеллектом система «Оценки и обучения в познавательных пространствах» (Assessment and LЕarning in Knowledge Spaces) использует адаптивные вопросы, позволяющие быстро и точно определить, что именно знает и чего не знает ученик по программе курса. Далее ALEKS объясняет ученику темы, к восприятию которых он или она готовы в большей степени. По мере прохождения курса ALEKS проводит переоценку, обеспечивая надежное усвоение материала. Все это выливается в более гибкое обучение один на один со студентом и обеспечивает ученику заметный рост успеваемости. Что касается учителя, то ему ALEKS помогает преодолеть рутинную - и, давайте признаем, скучную - часть работы и по-настоящему сосредоточиться на работе с учениками.
        Одна из ведущих страховых компаний Южной Африки Discovery использует платформу Vitality, чтобы предоставить экономические стимулы - скидки на путешествия, развлечения, здоровую еду, членство в спортклубе, спортивный инвентарь, товары для здоровья и тому подобное - своим клиентам, основываясь на том, придерживаются ли они здорового образа жизни. Участники зарабатывают очки, отмечая тренировки в привязанных к системе фитнес-девайсах и покупая здоровую еду (что также записывается на их карту Vitality). Страховую отрасль, возможно, нельзя назвать колыбелью инноваций, однако Discovery удалось построить процветающий бизнес, основанный на возможностях, исходящих от новых машин.
        Сыграть в новую игру
        Еще одна область, созревшая для преобразований, - это управление нашими деньгами. Джон Стейн (Jon Stein) не похож на Королей мира с Уолл-стрит - по сути, он их противоположность. Ему за тридцать, он носит синие джинсы и немного потрепанную рубашку и работает не в финансовой цитадели, а в расслабленном лофт-пространстве. В его речи нет бравады и высокопарности - Стейн рассуждает непринужденно, рассудительно и скромно.
        Рисунок 1.1. Джон Стейн, генеральный директор и основатель Betterment
        Между тем Стейн занимается тем, что переворачивает свой участок банковского мира, то есть управление личным благосостоянием, с ног на голову. Его компания Betterment стала одним из лидирующих в мире «робо-консультантов», привлекая платформы с ИИ для переформулирования правил бизнеса финансового консультирования. Betterment предлагает высоко персонифицированные, тщательно подобранные услуги по управлению капиталом в режиме 24/7. Его интеллектуальная система выполняет работу сотен человек, делает это лучше и за меньшую стоимость.
        На платформе скапливаются миллионы инвесторов - поколение Х, беби-бумеры и поколение «нулевых». С начала 2015 года до середины 2016-го капитал, находящийся под управлением Betterment, вырос с 1,1 миллиарда до 5 миллиардов^13,14^, и на то есть причины. Betterment получил больший кусок денежного пирога в свое управление, поскольку смог привлечь клиентов, которым не подходили обычные банки. Традиционные «большие» инвестиционные банки (такие как Goldman Sachs, Morgan Stanley, Credit Suisse и другие) редко предлагают услуги по персонифицированному управлению средствами тому, чье состояние составляет меньше одного миллиона долларов - с их бизнес-моделью индивидуального консультирования норма доходности здесь соблюдена не будет. И где же тогда оказываются 99,9% населения, заинтересованные в том, чтобы их деньгами управляли профессионально?
        Betterment начал с того, что сосредоточился на HENRY («хорошо зарабатывающих, еще не богатых», или high earners, not rich yet). Все это молодые профессионалы 20 -30 лет: юристы, доктора и менеджеры, получившие отличное образование, начинающие свою карьеру… и еще связанные кредитами на учебу.
        Традиционный управляющий капиталами не будет иметь дело с HENRY, но Betterment рад любому, у кого есть деньги для инвестирования. И с каждым приходящим на платформу клиентом система становится умнее, обеспечивает большую выгоду любому индивидуальному участнику: без промедления, на основе эмпирических данных по инвестиционным стратегиям, структуре портфеля и налоговому контролю.
        Все вместе РОБОТЫ-КОНСУЛЬТАНТЫ СЕГОДНЯ УПРАВЛЯЮТ БОЛЕЕ ЧЕМ ПЯТЬЮДЕСЯТЬЮ МИЛЛИАРДАМИ ДОЛЛАРОВ (и ожидается, что к концу 2020 года под их управлением будет уже двести пятьдесят миллиардов) И ЦЕЛЯТ НА ДВАДЦАТЬ ТРИЛЛИОНОВ ДОЛЛАРОВ ПО ВСЕМУ МИРУ, которыми в настоящее время заняты сорок шесть тысяч финансовых консультантов в традиционных банках^15^.
        Сейчас мы не знаем, выйдет ли Betterment долгосрочным и окончательным победителем среди поставщиков услуг финансового консультирования в новой форме, но компания действительно показывает, как новые машины подрывают стандартные способы выполнения работы. Причем ударная волна от их столь обширного внедрения отдается как в сфере финансовых услуг, так и в других технологических областях.
        Стейн и другие, сумевшие понять правила новой игры, - ни много ни мало Генри Форды нашего времени. Они понимают, что сегодня является сырьем (большие данные). Они создали и теперь пользуются новыми машинами. И, что самое важное, окружили эти новые машины бизнес-моделями, которые, занимая все большую долю рынка, показывают отличный рост и повышают прибыльность.
        История робо-консультантов в управлении капиталом вот-вот распространится в тысячекратном масштабе по всем секторам экономики. И здесь встает вопрос: вы будете играть или останетесь стоять в стороне?
        Но не оттеснят ли машины меня?
        Мы уже доказали, что любим основанные на ИИ продукты (с нашим бешеным потреблением предложений FANG для смартфонов). И новые машины находятся в боевой готовности трансформировать первостепенные институты нашего общества в лучшую сторону с помощью имеющих значение цифр.
        Однако, как только мы преодолеваем первичный страх перед новой машиной, начинаем задаваться вопросом, как это повлияет на работу. Что случится со всеми этими банкирами, водителями, рентгенологами, юристами и журналистами? Что случится со… мной? Заберет ли робот мою работу?
        Многие из нас не знают, так ли уж хороша или так ли плоха эта Четвертая индустриальная революция. Начинает казаться, что все это мечта капиталиста… и кошмар рабочего. А неуверенность создает почти осязаемое ощущение тревожности, поскольку на личном уровне многие не понимают, что со всем этим делать.
        Некоторые видят только темную сторону этих перемен, и конечно, многие сегодня предсказывают мрачное будущее «экономики без работы», поскольку все наши средства к существованию приберут к рукам роботы. Однако приближающийся цифровой подъем и его распространение, которое мы описываем в следующей главе, очень многое обещают тем, кто сумеет подготовиться. По сути, он предвещает возможный всего раз в столетие рост, когда придется перенастраивать нашу инфраструктуру, промышленность и институты. Подобно предыдущим трем индустриальным революциям, эта проедет катком по тем, кто ждет и наблюдает, и подарит грандиозные перспективы и благополучие тем, кто учится использовать потенциал новых машин.
        Все это зависит от того, что вы делаете сейчас, чтобы подготовиться к эре машин, потенциально способных сделать практически все, связанное с интеллектуальной работой.
        Будут ли многие виды занятости в наступающие годы «автоматизированы напрочь»? Да. Однако для подавляющего большинства профессий новые машины лишь дополнят и защитят деятельность. Например, мы не думаем, что по вине искусственного интеллекта потеряет свою работу хоть один учитель или медсестра. Напротив, эти профессии станут более продуктивными, более эффективными… и более приятными. Занятые такой работой люди придут к тому, чтобы видеть в новой машине надежного коллегу. Как сегодня нам не приходит в голову пересечь на машине Лондон без наделенной ИИ системы GPS или изучить предмет, не прибегая к помощи Google и «Википедии», многие работники в ближайшие годы не смогут представить выполнение своих ежедневных обязанностей без участия бота на их стороне.
        Кроме того, будут созданы совершенно новые профессии, сдвигая трудоустройство в области, которые сегодня мы не в состоянии представить (вообразите, что описываете кому-то работу «администратора баз данных» в 1955 году). Стоит многого ожидать, если мы точно осознаем, что могут и чего не могут сделать новые машины и как это повлияет на будущее работы. Уже появились некоторые очень ясные схемы, и оставшуюся часть книги мы посвятим тому, чтобы обозначить происходящее и дать тактические рекомендации, как победить в условиях новой цифровой экономики.
        Двигаться ВПЕРЕД в век новых машин
        Мы написали эту книгу, чтобы обеспечить вас дорожной картой, гидом по успешному преодолению этого переходного времени. Во-первых, мы обозначим, чем в действительности является машина: как ее создают, что она может делать и чего делать не может. Затем мы взглянем на то, где машина может быть лучшим образом применена сегодня и завтра. Какие проблемы промышленности она может решить? Какие новые ценностные предложения для клиента может создать? Третье и самое важное: мы дадим структурированный подход к модели продвижения ВПЕРЕД, или AHEAD, основанный на нашей работе с двумя тысячами мировых компаний, стоящих в авангарде цифрового перехода.
        Коротко говоря, AHEAD (ВПЕРЕД) предполагает пять различных подходов к победе в команде с интеллектуальными системами. Акроним состоит из:

•АВТОМАТИЗАЦИЯ (Automate): механизированный аутсорсинг, обработка информации с помощью новой машины. Это то, как Netflix автоматизировал ритейл блокбастеров и как Uber автоматизировал работу диспетчеров такси.

•ОРЕОЛ (Halo): оснащать измерительными приборами продукты и людей и применять для левериджа данные, извлеченные из фактических действий человека и его поведения онлайн (мы называем это Code Halos, или Ореолы кодов), чтобы создавать описания покупательского опыта и бизнес-модели^16^. General Electric и Nike меняют правила игры в своих отраслях, оснащая измерителями свою продукцию, окружая ореолами данных и создавая новые ценностные предложения, сближаясь с покупателем.

•ДОПОЛНЕНИЕ, оптимизация (Enhance): взгляд на компьютер, как на коллегу, который может увеличить вашу производительность и удовлетворенность от деятельности. Сегодня GPS в машине оптимизирует вождение, отправляет вас по самой быстрой дороге, предупреждает об опасностях и гарантирует, что вы не заблудитесь. В последующие годы целые направления деятельности, от продаж до ухода и обучения, переживут революцию благодаря мощному компьютерному подкреплению.

•ИЗОБИЛИЕ (Abundance): используйте новые машины, чтобы открыть совершенно новые рынки, уронив цены на текущие предложения, как когда-то сделал Генри Форд с автомобилями. Какие рынки могут быть заметно демократизированы и расширены в вашей отрасли подобно тому, как Betterment использует ИИ для привнесения финансовой безопасности в массы?

•ОТКРЫТИЕ (Discovery): примените ИИ, чтобы задумать совершенно новые продукты, новые услуги и совершенно новые отрасли. Как лампочка Эдисона привела к новым открытиям в сфере радио, телевидения и транзисторов, сегодняшние новые машины дадут старт новому поколению открытий и изобретений.
        Это пять конкретных подходов - игр, если хотите, - для победы в команде с ИИ, каждый со своим собственным набором подходов и тактик. На следующих страницах мы будем использовать эту модель, чтобы пролить свет на возможности применения новых машин в вашем бизнесе.
        Первая игра - автоматизировать - это превалирующая на сегодня тенденция. Автоматизация была исходным шагом в каждой индустриальной революции, поскольку один ткацкий станок заменял сорок рабочих, а один паровой двигатель имел силу пятидесяти лошадей. Сегодня автоматизация тоже станет неизбежным «злом», поскольку так вы сможете добиться «цены Google» в основной деятельности своей компании. Как бы то ни было, большинство обозревателей рынка упускают из вида, что следующая волна автоматизации вымостит дорогу к изобретениям и расширению рынка с помощью четырех следующих игр.
        Простая комбинация из эффективности и изобретений проявит себя во всех областях. Банковское обслуживание станет более эффективным и персонализированным. Здравоохранение станет более прозрачным и эффективным, дающим гораздо лучшие результаты. Промышленные товары будут более интерактивными, интуитивно понятными и надежными. Наша пищевая отрасль станет менее отходной и более качественной. Образование будет более глубоким и с индивидуальным подходом, а управленческие услуги обновятся и станут требовать меньше затрат. И, как мы заявляли раньше, этот сдвиг во многом будет произведен не компаниями, запущенными в прошлом году или даже десять лет назад, а компаниями, начатыми нашими дедами. Причина в том, что эти компании имеют доступ к богатейшим залежам данных - «топливу» новых машин.
        Уже многое было сказано и написано по поводу потенциального воздействия новых машин на общество. Мы написали эту книгу не для политиков-всезнаек и академиков, а для людей в больших и маленьких организациях, которые хотят принять наилучшее из возможных решений по поводу их бизнеса и работы. Мы не настолько наивны, чтобы не понимать, что бизнес разворачивается в более широком контексте, но не можем просто рассесться вокруг и ждать, пока политики улучшат образование, направят огромные деньги на расширение инфраструктуры или объявят о безусловном базовом доходе. Мы должны действовать сегодня, в современном мире. И будьте уверены, если вы и не станете действовать, начнут другие.
        Название книги - «Что делать, когда машины начнут делать все». Это может звучать немного гиперболично, и понятно, что машины никогда не будут делать все, да и никто этого в действительности не хочет. Но в следующие годы новые машины продолжат изумлять нас, они будут внедрены везде и почти во все, будут выполнять все большую и большую часть работы, которую сегодня делают люди.
        Технология - уже не сфера нескольких, это территория многих. А поэтому в следующей фазе цифровой экономики побеждать будут не те, кто создает новые машины, а те, кто сообразит, что с ними делать. Эта книга станет вашим путеводителем.
        Глава 2
        От застоя к подъему: Мы это уже проходили
        Многие из нас чувствовали, что остановились. Кажется, что роста, как компании, так и личного, очень трудно добиться. Есть множество свидетельств структурной слабости нашей экономики: стагнация заработной платы, рост уровня долга и анемичный уровень производительности труда. Кажется, что все основные тренды работают против нас: усиление мировой конкуренции, экономический принцип «победитель забирает все», ведущий ко все большему неравенству доходов, устойчивое размывание приватности и безопасности, возникновение миллиардных стартапов на фоне крушения устаревающих фирм, технологии, отнимающие нашу работу. Очевидно, что старые правила работы и ведения бизнеса больше не применимы.
        Мы (авторы) работаем со многими людьми, взволнованными раскинувшимися перед ними в цифровой экономике возможностями, но их оптимизм часто охлаждают актуальные новости. Слишком часто заголовки предрекают надвигающийся кошмар безработных в очереди за хлебом и роботах-властелинах. Многие чувствуют, что если где-то и затевается вечеринка - в Кремниевой долине, в Нью-Йорке и в Лондоне, - то их туда не пригласили.
        Однако, несмотря на некоторый дискомфорт, есть и хорошие новости. Мы уже выдерживали подобные штормы раньше, и форма и модель текущей ситуации в действительности является предвестником периода, движимого технологией роста. Кажется, это противоречит здравому смыслу: в конце концов, как может экономическая стагнация быть признаком будущего роста и появления новых возможностей?
        Это происходит потому, что наш текущий застой хорошо вписывается в прочно сложившуюся схему, проявляющуюся в период любого серьезного сдвига в бизнесе или в технологии, когда экономика переходит от одной индустриальной революции к следующей. Коротко говоря, сейчас мы в экономической «застойной зоне», поскольку в Третьей индустриальной революции (буквально) заканчивается бензин, в то время как Четвертая индустриальная революция, основывающаяся на новых машинах, должна еще набрать масштаб.
        Эта ситуация создает определенный диссонанс, когда мы восхищаемся компьютерами вокруг нас и тем, что они могут сделать, и в то же время тщетно ищем более серьезные перспективы роста для компаний и карьерную безопасность для нас самих.
        Хорошие новости, исследуемые в следующей главе, заключаются в приближении к концу застойного периода. Мы вступаем во времена, когда экономика может рвануть для тех, кто ухватится за возможности новых машин. Мы говорим об этом как о наступающей «цифровой экспансии», в которой возможность получать плоды цифровых технологий распространится из Кремниевой долины по всей экономике в целом. Эта миграция ценностей будет несравнима с индустриальной экспансией прошлого века и пройдет намного быстрее. Чтобы полностью осознать этот переход, полезно оглянуться на воздействие новых машин на работу в предыдущие периоды бурной дестабилизации.
        Если машины делают все, что произойдет с нами?
        Веками люди беспокоились о «новых машинах» и их влиянии на удел человека. Машины меняются - тревоги остаются прежними.
        Возвращаясь в начало 1800-х годов, во времена Первой индустриальной революции, можно вспомнить, что луддиты на северо-западе Англии отреагировали на появление механических ткацких станков тем, что стали их ломать. Они осознали, что их работа по производству ткани под угрозой. И оказалось, что они были правы: машины действительно забрали у них работу. То же произошло в сельском хозяйстве. В начале XIX века - пока луддиты крушили станки - 80% работающего населения Соединенных Штатов трудились на земле. Сегодня в сфере сельского хозяйства в США занято менее 2% жителей страны.
        Рисунок 2.1. Луддиты в начале 1800-х годов
        В начале Второй индустриальной революции паровой двигатель позволил начать механизацию, и эксперты были всерьез обеспокоены, что «замена человеческого труда машинным» может «вытеснить из производства население»^1^. Когда сборочные линии сделали возможным массовое производство, экономист Джон Мейнард Кейнс (John Maynard Keynes) предупреждал о повсеместной безработице, «поскольку открытие способов экономного использования труда опережает темпы выявления новых применений труда»^2^.
        Сегодня многие из нас ощущают то же смятение, читая все более зловещие материалы о том, как заменят нас новые машины, действующие на основе ИИ. Активно цитируемое исследование Оксфордского университета приводит данные о том, что примерно В ТЕЧЕНИЕ СЛЕДУЮЩЕГО ДЕСЯТИЛЕТИЯ НОВЫЕ МАШИНЫ ПОСТАВЯТ ПОД УГРОЗУ ОКОЛО 50% ВСЕХ НЫНЕШНИХ РАБОЧИХ МЕСТ В США^3^.
        Но разве наши компьютеры не сделали нас более продуктивными?
        Несмотря на всю эту безнадегу, некоторые из нас, способные сохранять оптимизм, захотят поспорить: «Может, и так. Но все эти компьютеры оказывают и позитивное воздействие, поскольку делают нас более продуктивными». Однако данные не подтверждают и этого аргумента.
        Несмотря на миллиарды, потраченные на предпринимательские технологии (вспомните обо всех этих роутерах Cisco, системах SAP, базах Oracle и ПК на основе Microsoft в сочетании с недавним взрывом потребительских технологий, таких как смартфоны и приложения), производительность труда работника и ВВП индустриальных стран, входящих в G7, не сильно сдвинулись с места. Например, с 1991 по 2012 год средний ежегодный рост реальных зарплат составил жалкие 1,5% в Соединенном Королевстве и 1% в Соединенных Штатах (что есть примерно половина уровня роста доходов с 1970 по 1990 год), и это были лидеры в росте зарплат среди индустриального мира^4^. Аналогично рост ВВП в Соединенных Штатах и Западной Европе за эти два десятилетия был ниже роста ВВП за предыдущие двадцать лет^5^.
        Как это возможно? Почему мы едва ступаем в экономическую воду, несмотря на массовые инвестиции в технологию? Разве это не золотой век технологий?
        Спросите себя: ваш компьютер, смартфон, e-mail и мессенджер сократили ваш рабочий день? Вот и наш - нет.
        Путь Карлоты
        Хорошие новости среди этого мрака в том, что наш период застоя вписывается в историческую схему, возвещающую будущий рост. Конечно, в этой острой точке движимого технологией экономического подъема проявляют себя боязнь того, что новые машины отнимут наши рабочие места. Но, если Четвертая индустриальная революция не обернется широкой экономической экспансией с соответствующим ростом количества работы, мы разойдемся с историей. Почему же мы все-таки верим в подобные предсказания? Разобраться в этом нам поможет родившаяся в Венесуэле экономист.
        Карлота Перес (Carlota Perez) - отмеченная различными наградами профессор Лондонской школы экономики. Ее самая важная работа посвящена тому, что происходит между концом одной эры и началом следующей. Вот как Карлота описывает это:
        История многому учит нас. Конечно, инновации всегда были драйвером роста и главным источником улучшения производительности и повышения благополучия. Однако каждая технологическая революция принесла два типа процветания.
        Первый тип - турбулентный и волнующий, как пузыри 1990-х и 2000-х и как Ревущие двадцатые, железнодорожная мания и каналомания до этого. Все это закончилось тем, что пузыри лопнули.
        Однако после рецессии приходит второй тип: Викторианский бум, Belle Epoque, послевоенный золотой век и… время, к которому мы, видимо, подходим.
        Процветания периода пузыря поляризует доходы; золотой век стремится обернуть процесс вспять^6^.
        Перес описывает приближающийся золотой век, цифровую экспансию, которая уже находится прямо перед нами. Но мы опережаем себя. Как и почему она может возникнуть из текущего экономического застоя? Исторические модели могут стать нашим путеводителем.
        По волнам
        Когда мы оглядываемся назад на изобретение хлопкоочистительной машины, двигателя внутреннего сгорания и переменного тока, может показаться, что в один день было совершено изобретение, а на другой день все изменилось. Но мир функционирует по-другому. Практически в каждом случае впереди была долгая и ухабистая дорога, связывающая одну эру бизнеса и технологий с другой; эволюция каждой индустриальной революции следует по S-образной кривой (как показано на рис. 2.2).
        Рисунок 2.2. S-образная кривая и Зона застоя
        Почему S-образная? Исторически сложилось, что после появления новых технологий соответствующий ВВП десятилетиями не растет (низ кривой). Отдельные личности и компании могут разбогатеть, но все общество в целом - нет. Однако, как только технология полноценно закрепляется, обычно это цикл в 25 -35 лет, ВВП переживает практически вертикальный подъем (середина S-кривой). Ранее это переживали все нынешние участники «Большой семерки»: например, в Великобритании паровой двигатель привел к массовому росту ВВП в XIX веке, а в XX веке то же произошло с конвейером в США.
        Со временем, когда технология полностью принимается и находит свой путь почти во все отрасли и во все мировые регионы, рост ВВП сходит на нет (верх S-кривой). Именно здесь и находимся мы сегодня с промышленной экономикой Третьей индустриальной революции. Модель производства хорошо понятна, широко распространена и общедоступна (посмотрите, например, на почти двадцать три миллиона мотоциклов, произведенных в Китае в 2013 году^7^). Именно этот верх кривой, это ее спрямление стоит за слабостью нашей нынешней экономики.
        S-образная кривая инноваций, застоя, быстрой экспансии и затем зрелости сработала в случае трех предыдущих индустриальных революций и до настоящего времени разыгрывается на ранних стадиях нашей компьютерной Четвертой индустриальной революции (как показано на рис. 2.3).
        Рисунок 2.3. S-образные кривые и индустриальные революции
        В настоящее время мы находимся на конце зоны застоя и входим в период быстрой экспансии. Однако факт нахождения между этапами также является одной из причин сегодняшнего разлада между оптимистичными технофилами и пессимистичными экономистами. Обе группы правы, если их апертура составляет около двадцати лет (что для большинства наблюдателей часто просто является личным жизненным опытом). Но если взглянуть на историю экономики более широким взглядом, становится абсолютно ясно, где мы есть, где были и (что наиболее важно) куда направляемся.
        Чтобы подкрепить этот пункт аргументами, давайте посмотрим внимательно на недавнюю историю и на то, как эти периоды вписываются в модель профессора Перес.
        Всплеск инноваций (1980 -2000)
        Пришествие персонального компьютера, первый Mac Стива Джобса, Билл Гейтс, ставший самым богатым человеком в мире, стремительное наступление Интернета, опутывание проводами и подключения наших корпораций. От всего этого срывало крышу. Отрасль технологий вспоминала об этом как о «времени великого счастья», по крайней мере, пока все не кончилось слезами от пузыря доткомов и его взрыва.
        Подобные всплески инноваций происходили в начале каждой индустриальной революции, прокладывая дорогу к огромным состояниям титанов, таких как Корнелиус Вандербильт (Cornelius Vanderbilt), Эндрю Карнеги (Andrew Carnegie) и Джон Д. Рокфеллер (John D. Rockefeller). Но это богатство было высоко сконцентрированным, поскольку новые технологии и связанные с ними бизнес-модели понимали и принимали лишь немногие. Люди в большинстве своем восхищались новыми машинами своего времени: о них писала пресса, они владели общественным воображением - однако доступ все еще был сильно ограничен и сильно сконцентрирован в нескольких отраслях и в нескольких географических регионах. А когда слишком большой капитал начали направлять на малое число вариантов применения, неизбежным результатом стал финансовый пузырь.
        Застой (2000 -2015)
        Пузырь Интернета лопается на границе тысячелетий. Далее примерно через семь лет мы угодили в финансовый кризис. Застой продлился более полутора десятилетий. И хотя все недавние спады и болезни казались нам новыми и неприятно удивительными, все они хорошо вписывались в историческую модель.
        Проходить через застойную зону болезненно, но это важный этап перемен. Думайте об этом как о времени, необходимом для переваривания новой технологии, о личинке в коконе, еще не ставшей бабочкой. В это время широкая экономика размышляет, как наилучшим образом применить новые машины и бизнес-модели, завязанные на инновационные технологии.
        Именно поэтому так важны компании FANG, а вместе с ними и тройка Dropbox, Airbnb и Betterment: они дают примеры сочетания современных машин с новыми бизнес-моделями. Вероятно, еще более важно взглянуть дальше FANG - на отраслевых лидеров, признавших перемены, таких как Siemens, Nike и Progressive Insurance Corporation. Эти компании предпринимают шаги, которые требуют больше времени для стопроцентного достижения желанной цели, но в конце концов непременно приведут к успеху в фазе цифрового распространения, наступающей вслед за застоем. Дальше мы представим несколько важных уроков, то, чему стоит поучиться как у FANG, так и у устоявшихся корпораций, успешно применяющих новые машины и бизнес-модели.
        Распространение (2015 -2040)
        Это фаза, когда инновации смещаются с радикальных окраин в мейнстрим. Это время «демократизации» инноваций, когда новые идеи, изначально применявшиеся в очень концентрированной среде, распространяются на гораздо более широком пространстве.
        Это произойдет в течение нескольких следующих десятилетий, когда институты, служащие столпами нашего общества - банки, страхование, здравоохранение, образование, транспорт, правоохранительные органы, правительство, - применят силу новых машин и переведут алгоритмы своих действий на цифровые технологии.
        Хорошо, достаточно экономической теории. Мы предприняли это короткое путешествие в историю и экономику (выводы на рис. 2.4), чтобы предварить разговор о том, что происходит в настоящее время, и указать, что все очевидно свидетельствует о нашем нахождении не на пути к концу времен, а к распространению Четвертой индустриальной революции. Все предыдущие индустриальные революции проходили тот же базовый цикл из инновационного пузыря, застоя и взрыва. Цифровая революция не станет исключением, и есть три серьезные причины того, что мы близки к переходу к широкому, повсеместному цифровому росту.
        Рисунок 2.4. Три фазы S-образной кривой
        Три серьезных причины того, почему вот-вот произойдет взрыв
        Как мы это видим, переход к фазе распространения будут двигать три параллельных крупных тренда:

• Ubiquitech (Ubiquitech от лат. ubique - «везде», «повсюду», и technica) - ТЕХНОЛОГИЯ ВНЕДРЯЕТСЯ ВО ВСЕ. По мере того как в жизнь будет воплощаться система контроля предметов с помощью Интернета «Интернет вещей» (Internet of Things, или IoT), почти все станет проникнутым техникой, связанным и умным. Когда техника повсюду, изменения могут прийти откуда угодно.

•ПО СТАНДАРТАМ 2030 ГОДА, МЫ ДУРНО ПАХНЕМ. В 2030 году мы будем смотреть на многие аспекты сегодняшнего общества и удивляться: «И как мы это терпели?» Нам нужно решить важные проблемы с новыми машинами, а в процессе будут сформированы массовые новые формы потребностей.

•СТАТЬ ЦИФРОВЫМИ - СОЗДАТЬ ТРИ М (СЫРЬЕВЫЕ МАТЕРИАЛЫ, НОВЫЕ МАШИНЫ И БИЗНЕС-МОДЕЛИ). Предприятия «становятся цифровыми», организуя сотрудников и процессы вокруг возможностей новых машин. Из застойной зоны возникает все больше и больше новых успешных бизнес-моделей, что ведет к перегруппировке рейтингов в индустрии после индустрии.
        Давайте разберемся с тремя этими явлениями.
        Ubiquitech - технология внедряется во все
        В следующие десять лет все вокруг нас окажется технически оснащенным и связанным. «Интернет вещей» - обобщающее понятие, описывающие внедрение компьютерных функций в устройства и объекты, у которых прежде таких функций и способностей не было, а также подключение их к Интернету. Представьте свои туфли, терморегулятор или фен для волос, уличное освещение вашего города или парковочные счетчики, а еще многочисленные детали реактивного лайнера, сборочного конвейера или электросети.
        Рисунок 2.5. Наш подключенный мир
        В некоторых случаях цифровая «магия» относительно ограничена^8^. Например, сегодня лампочка может иметь сенсор, сообщающий, что стало темно, тогда лампочка будет включаться сама. В других случаях вещь может быть гораздо более сложной. Можно подключить целый дом, тогда, по сути, он становится компьютером в сети - «умным домом». Не только лампы, но и двери, окна, температура, системы безопасности, развлекательные системы и кухонное оборудование могут быть запрограммированы на автоматическое выполнение определенных задач. Более того, все это может контролировать хозяин, находящийся в пяти шагах или в пяти тысячах миль от дома.
        Распространение этих возможностей - превращение каждой «вещи» в доступную для интернет-протокола - происходит с головокружительной скоростью, масштаб роста вселенной «вещей» сбивает с ног, его трудно осознать. Например:

• Cisco Systems полагает, что количество подключенных устройств к 2020 году вырастет до пятидесяти миллиардов^9^. Intel заходит еще дальше, предполагая, что к тому времени будет подключено к связи двести миллиардов устройств^10^.

• McKinsey предсказывает, что к 2025 году мировые траты на устройства и сервисы для «Интернета вещей» достигнут одиннадцать триллионов долларов^11^.

• IDC ожидает, что в том, что касается «носимых устройств», составляющих важный элемент этого рынка, мировые поставки вырастут с 76,1 миллиона штук в 2015 году до 173,4 миллиона в 2019-м^12^.

• Упомянутый выше сценарий «умного дома» станет значительной зоной роста; согласно Harbor Research and Postscapes, в 2014 году, будучи еще в младенческом состоянии, он принес прибыль в 79,4 миллиарда долларов^13^. Ожидается, что эта цифра вырастет до 398 миллиардов, поскольку повсеместное распространение информации об этих умных приложениях продолжается^14^.

• С каждым днем становится «умнее» автоиндустрия. Еще до того, как машины станут полностью автономными («беспилотными»), они будут все более походить на полностью подключенные к системам связи передвижные центры обработки и передачи данных. К 2020 году 90% машин будут онлайн, в сравнении лишь с 2% в 2012 году^15^.

• По оценке General Electric, рынок «Индустриального интернета» за следующие двадцать лет добавит мировому ВВП от 10 до 15 триллионов долларов^16^.
        Конечно, все это лишь прогнозы, и относиться к ним нужно со здоровым скептицизмом. Однако, какими бы ни оказались реальные цифры, нет сомнения, что линии тренда тянутся только в одном направлении. Следующее поколение умных устройств будет иметь колоссальное значение практически для любого вида бизнеса.
        Тем не менее в реальности мы лишь наметили очертания этой «умной» волны. Мы уже можем видеть тексты и частоту ударов сердца на Apple Watch - конечно, это круто, но почему они не могут делать намного больше? Почему Alexa от Amazon не может управляться со всем нашим домом? Почему термостат Nest не может отслеживать в доме протечки и другие страховые риски? В свое время все это произойдет, и миллион других подобных «умных сценариев» перестанет быть научной фантастикой и станет просто нашей реальностью.
        Однако улучшения в сфере развлечений и организации быта не окажут на широкий экономический контекст влияния, достаточного, чтобы привести нас от застоя к взрыву. А то, что уже начинает происходить и действительно имеет потенциал поднять все наши корабли, - это применение идей «Интернета вещей» к критически важным для достижения цели отраслям экономики, таким как здравоохранение, транспорт и оборона. Это уже начало радикально менять работу, имеющую значение.
        Гораздо больше умных девайсов мы рассмотрим в главе 8. А сейчас просто осознайте, что скоро вашей базовой позицией станет добавление измерительных инструментов всем вашим действиям, товарам и покупательскому опыту.
        По стандартам 2030 года мы дурно пахнем
        Так же как мы подтруниваем над родителями, бабушками и дедушками за уборную во дворе, черно-белые телевизоры и машины без ремней безопасности, распространенные в их годы, дети будут дразнить нас за то, какими недоразвитыми и странными были сегодняшние инструменты. Они будут смотреть и удивляться: «И как только люди могли так жить?»
        Если у вас есть маленькие дети, представьте, что пятнадцать лет спустя сидите за ужином с подростками и рассказываете о мире, в котором они родились. После смешков по поводу Джастина Бибера, семейства Кардашьян («Что, вообще, это было?»), бородах хипстеров и хэштегах, разговор может перейти к более приземленным вещам. Например, вы можете рассказать, через что приходилось пройти, чтобы починить машину.
        Вам знаком этот сценарий в сервисном центре своего автодилера: вы сидите там с дюжиной незнакомцев, пьете безвкусный кофе, смотрите CNN по телевизору, включенному на 10 дБ тише комфортного уровня. В вашей голове начинает складываться вопрос: «Как долго это продлится? Успею я вовремя обратно в офис? И действительно ли я доверяю тому, что механик скажет об объемах и стоимости ремонта?» Десять лет спустя ваша машина с помощью самодиагностики точно определит, что с ней не так, оценит примерную стоимость ремонта и запишется к дилеру на обслуживание, сверившись с календарем. А потом, когда машина выедет с вашей офисной парковки и доставит себя на ремонт, вы сможете подумать о том, как много терпели, и о цене упущенных возможностей, которых было так много в доцифровую эру.
        В 2030 году пятнадцатилетние будут удивляться, как мы не знали за несколько дней наперед, что сляжем с простудой. Что каждый школьный ученик не имел совершенно четкого понимания личного стиля обучения и опорной индивидуализированной программы обучения, чтобы развитие шло максимально эффективно. Что, попадая к врачу и нуждаясь в экстренной помощи, человеку приходилось тратить время на предъявление страховки и ожидание в очереди вместо того, чтобы личная история здоровья, а также фото и видео травмы были высланы вперед, а по прибытии у дверей пациента ожидала команда хорошо подготовленных докторов.
        Неэффективность нашей индустриальной эпохи может казаться ужасной, но кто-то, имеющий предпринимательскую жилку, видит в проблемах и помехах бизнес-возможности по устранению этих недостатков. Новые машинные, цифровые решения, распространенные по всем отраслям, будут направлены на мириады общественных проблем, а в процессе будут создавать огромную экономическую ценность. Так что технологии, скорее, не предрекают конец среднего класса, а обещают стать двигателем массовой финансовой экспансии.
        Вот что здесь важно: думая о цифровых решениях и искусственном интеллекте, мы часто фокусируемся на влиянии технологии на мир, который знаем. Многие критики сразу переходят к вопросу «Как много рабочих мест уничтожат машины?», хотя в действительности надо спрашивать: «Что эта технология может улучшить?» Ответом будет - «огромное количество вещей», поскольку, глядя с точки зрения 2030 года, можно понять, как многое должно измениться.
        Чтобы лучше осознать объем и масштаб этой возможности, мы в «Центре осмысления будущего работы» вместе с экономистами из Roubini ThoughtLab (ведущая независимая макроэкономическая исследовательская фирма, основанная известным экономистом Нуриэлем Рубини (Nouriel Roubini) изучили две тысячи компаний по всему миру на предмет экономического воздействия новых машин. Наше исследование, проведенное в начале 2016 года, было сосредоточено на нескольких, центральных для экономики отраслях, которым предстоит стать по-настоящему цифровыми (например, ритейл, банки, страхование здоровья, имущества и транспорта, промышленность и медико-биологические науки), которые вместе приносят сегодня более шестидесяти триллионов долларов дохода (примерно 40% ВВП)^17^.
        По ответам респондентов, примерно 6% этого дохода было получено с участием цифровых технологий, однако за следующие три года эта цифра почти удвоится и составит 11,4%. Сравнив, мы поймем, что «Цифровая республика», если бы была отдельным государством, вскоре стала бы экономикой в 6,6 триллиона долларов, третьей экономикой в мире после США и Китая и почти равной в числе лошадиных сил с экономиками Германии, Великобритании и Австрии в 2015 году вместе взятых. Поскольку имеющая значение работа становится все более цифровизированной, привлекая машины с ИИ, огромное экономическое расширение должно вот-вот произойти.
        Стать цифровыми: создать Три М
        При взгляде на цифровую экономику у всех создается ощущение, что землю унаследуют недавние стартапы. В конце концов, кто сможет остановить инерцию движения таких богатых и массовых компаний, как Amazon, Google, Facebook и Uber? Где окажутся столетние или даже сорокалетние компании? Что насчет них? А собственно, окажутся в очень хорошем месте… если будут двигаться быстро.
        Рисунок 2.6. Три М в Большой революции в бизнесе и технологии
        С нашей точки зрения, давно сложившиеся компании находятся в потрясающе хорошей позиции для цифрового расширения. Дело в том, что перед совершением шагов, необходимых на следующем этапе пути к имеющим значение цифрам, у них уже есть нужное преимущество. Они понимают свои рынки, продукты и соответствующее законодательство лучше, чем кто-либо. И у компаний есть все возможности получить нужные сведения об операциях и рынках с помощью «Интернета вещей». Однако им все еще нужно совместить Три М.
        Эти Три М относятся к (сырьевым) материалам, (новым) машинам и (бизнес-) моделям. В дальнейшем мы посвятим отдельные главы тому, насколько необходим каждый из этих элементов для победы в цифровом взрыве. Пока речь идет о том, что три этих элемента должны быть интегрированы и настроены на создание ценности. Почему? Давайте посмотрим на то, как комбинация из этих трех элементов двигала главные технологические и бизнес-сдвиги прежде.
        Как эти Три М были исторически взаимосвязаны, показано на рисунке 2.6.
        В нашем сегодняшнем контексте Три М это:

•СЫРЬЕВЫЕ МАТЕРИАЛЫ: данные, передаваемые устройствами из «Интернета вещей» и оснащенными контрольно-измерительными приборами людьми, местами и вещами.

•НОВЫЕ МАШИНЫ: интеллектуальные системы, совмещающие оборудование, ПО с искусственным интеллектом, данные и человеческий вклад в создание ценностей, согласующихся со специфическими бизнес-процессами и покупательским опытом.

•БИЗНЕС-МОДЕЛИ: коммерческие модели, монетизирующие основанные на интеллектуальных системах услуги и решения.
        Возможно, лучший пример совмещения Трех М даст компания, которой намного больше ста лет.
        Сегодня многие верят в легенду о Генри Форде как об изобретателе автомобиля. Он его не изобрел. Когда Форд организовал Ford Motor Company, это была на самом деле его третья автомобильная компания (первая провалилась, а вторая превратилась в Cadillac), и только в одном Детройте у него были десятки конкурентов, в том числе Oldsmobile, Packard и Buick.
        Что действительно изобрел Генри Форд, что стало его величайшим даром, так это совмещение Трех М его времени с изначальным фокусом на третьей М. Он создал бизнес-модель, основанную на сборочной линии, что радикально изменило цену автомобиля и стандарты качества. Объединение Трех М позволило Форду начать массовое производство машин (превратив их из игрушки для богача в необходимую вещь для масс), выиграть в конкурентной борьбе, переформировать транспортную систему и переформировать общество.
        В последующих главах мы более детально обсудим, как Три М повлияют на вашу организацию и работу.
        Новые бизнес-модели формируются в Зоне застоя
        Зона застоя жизненно важна, поскольку материалы и машины бывают поняты задолго до того, как могут быть приняты соответствующие бизнес-модели.
        Отправной точкой для по-настоящему цифровой бизнес-модели или специфического бизнес-процесса, или для обсуждаемого нами покупательского опыта не должно быть «Как нам это сделать лучше/быстрее/дешевле с добавлением новой технологии?». Вопрос должен быть таким: «Если бы цифровые технологии были доступны в момент, когда мы разрабатывали этот процесс, мы структурировали бы его по-другому?» Первый подход демонстрирует Blockbuster, который помещает интернет-торговлю поверх розничной торговой сети. Плодами последнего подхода пользуется Netflix, который с самого начала задумывал основные процессы как цифровые.
        В настоящее время отраслевым лидером, проводящим трудную работу по реконфигурации себя вокруг Трех М для вступления в цифровую экономику, выступает General Electric. Созданная в 1892 году, GE - это старейшая компания, внесенная в списки Нью-Йоркской фондовой биржи, так что лучшего образца для подражания среди индустриальных компаний просто не найти. Она удерживает лидерство в производстве силовых турбин, самолетных двигателей, приборов освещения и локомотивов, однако в настоящее время становится и чем-то еще намного большим.
        Генеральный директор GE Джефф Иммельт (Jeff Immelt) признал необходимость сочетать данные, интеллектуальные системы и новые бизнес-модели, чтобы побеждать на поле цифровой индустриальной экономики. Он отметил: «Если вчера вы легли спать как индустриальная компания, то сегодня утром проснетесь как программная и аналитическая»^18^.
        Руководители GE предпринимают тактические шаги для того, чтобы переход к Четвертой индустриальной революции произошел через создание того, что они называют «первая в мире цифровая индустриальная компания». В последние годы они полностью погрузились в Ubiquitech, помещая сенсоры практически в любую изготовленную «вещь», чтобы создавать новые сырьевые материалы. GE инвестировал в разработку административной платформы «Интернета вещей» (Predix) - интеллектуальной системы компании. GE не упускает из виду новые бизнес-модели. Сейчас он продает уникальную информацию, основанную на сырьевых материалах, открывая совершенно новые линии бизнеса. По сути, сейчас программный бизнес GE приносит более шести миллиардов долларов, делая его одной из крупнейших софтверных компаний мира^19^.
        Другой пример 100-летней отрасли, перестраивающей себя вокруг модели Трех М и применяющей в качестве рычага новую машину, - это образование, которое, безусловно, является столпом общества, где чрезвычайно нужен прогресс, где он давно назрел и которое, наконец, оказывается в центре внимания. Мы встречались с Джоэлом Роузом (Joel Rose), сооснователем New Classrooms Innovation Partners, чья работа - ярчайший пример выстроенного в гармонии с Три М будущего. С помощью новых инструментов, машин и подходов Роуз пытается заново изобрести закостенелую отрасль и мировоззрение, которое, кажется, не менялось еще задолго до того, как многие из нас пошли в школу.
        Раскрывать интеллектуальных людей с помощью интеллектуальных систем
        Фраза «заново изобрести образование» имеет длинную и ухабистую историю, начавшуюся до пришествия компьютера, но, конечно же, ускорившуюся с того времени, в конце 1970-х, когда компьютеры проторили дорожку в школы. Объем книги не позволяет нам слишком глубоко вдаваться в эти истории, но достаточно сказать, что чаще всего они заканчивались плохо.
        Программа New Classrooms была запущена в 2011 году учителями, администраторами от образования и технологами и всерьез использует силу данных, чтобы настроить обучение индивидуально и тем самым сломать давно сложившуюся образовательную норму: учитель, стоящий перед классом из тридцати учеников, изучающих одно и то же в одно и то же время. Эта традиционная модель обучения буквально является индустриальной моделью. Крупномасштабное общественное образование начинается со времени, когда фабрики и заводы накачивали рабочими, и отображает конвейерный менталитет, бывший ключевым для эффективности и продуктивности в те времена новых пространств технологий.
        В школе New Classrooms студенты вооружены лэптопами или планшетами, сгруппированы обычно по 5 -20 человек и прорабатывают задания и проекты, где применяют разные образовательные «приемы» на «станциях» внутри класса. Некоторые приемы требуют сотрудничества в командах, некоторые - непосредственной работы с учителем, некоторые, «виртуальные», - с онлайн-программами. На станциях учителя взаимодействуют с группами, отвечая на вопросы, ставя задачи или новые вопросы. После каждого момента взаимодействия группа переходит к новому заданию и перемещается на новую станцию. Там, где в традиционной школе один класс из тридцати человек общается в одном помещении с одним учителем, в школе New Classrooms будет от двух до шести учителей, а также дополнительная команда педагогов в большом пространстве или нескольких классных комнатах, с 60 -80 детьми, двигающимися между станциями (см. рис. 2.7).
        Рисунок 2.7. Типичная образовательная среда New Classrooms
        Все уроки проходят онлайн (хотя надо отметить, не все обучение идет через компьютер). Большая часть оценок выставляется автоматически и за небольшую долю времени, которое потратил бы на это учитель-человек - к шести утра следующего дня каждый студент и работающий с ним учитель получают полностью индивидуальный учебный план на наступающий день. Этот примерный план основан на компьютерном анализе прогресса ученика: что нужно переделать, что нужно закрепить и какая новая информация может быть добавлена, чтобы увлечь и задействовать ученика.
        Сооснователь New Classrooms Джоэл Роуз, говорит, что главная проблема индустриальной образовательной модели в том, что в классе из тридцати учеников троим самым умным будет до смерти скучно, десять наименее академически одаренных будут чувствовать себя безнадежно потерянными (и, вероятно, расположенными похулиганить), а средние ребята будут кое-как продираться вперед. Некоторые будут неплохо справляться благодаря природным склонностям (или с помощью родительского кнута и пряника), а некоторые просто болтаться туда-сюда по образовательному процессу. В школе New Classrooms, управляемой данными, обучающими машинами и платформами, философия «нет задним партам», присущая частным учебным заведениям, становится доступна ученикам в среде бесплатного образования, ни один ученик не сорвется в пресловутую категорию. Таким образом, модель New Classrooms воплощает в жизнь концепцию «демократизации роскоши» на жизненно важном для нас, как в личном, так и в общественном плане, поприще.
        Команда New Classrooms полностью осознает окружающую их инерцию, но сообщает о растущем числе инвесторов, учителей, руководителей и родителей, открытых к радикальным изменениям как физических классных комнат, так и организации образовательного процесса.
        От застоя к взрыву, время для оптимизма
        Мы втроем долгие годы работали на острие бизнеса и технологии. Те, кто нас знает, подтвердят, что нас трудно обвинить в наивности или иррациональной восторженности по поводу какой-либо технологии. Однако мы чувствуем оптимизм, основанный на том, что происходит на рынке, среди покупателей, и на наших исследованиях. В основном книга посвящена именно этому: привести вас к процветанию, найденному в наступающем цифровом расширении. Первое, что нужно вынести из этой главы, необходимость:
        а) понять новые машины;
        б) поместить их в правильную бизнес-модель.
        Это основной тезис, и в следующих главах мы детально рассмотрим каждую из Трех М (и развеем мифы о них) в сегодняшней формуле успеха и объясним, как их нужно активировать, чтобы двигаться дальше.
        Но прежде, чем приняться за это, нужно заняться «слоном» этой книги, причиной огромной озабоченности, о которой мы уже много раз упоминали: воздействии ИИ и автоматизации на наши рабочие места.
        Глава 3
        Будет кровь
        До этих пор наш рассказ был в целом позитивным. Мы верим, что новые машины помогут сдвинуть наши компании и экономику от застоя к взрыву. Однако переход этот не удастся без значительной дестабилизации в сфере рабочих мест. Говоря метафорически, будет кровь.
        Подъем машин ставит перед нами сложный вопрос: это мечта капиталиста или кошмар работника? Или и то, и другое? На заре Четвертой индустриальной революции многие задумываются: «Как много солидной, офисной работы для среднего класса исчезнет в скором времени?»
        И это не абстрактные размышления, поскольку, вероятно, внутри себя вы размышляете: «Заберут ли новые прорывные технологии мою работу? И даже если работа сохранится, как насчет этических аспектов автоматизации, которая сделает многих моих коллег безработными?»
        Прогноз массовой потери работы через ИИ
        Несомненно, в последнее время эти сомнения только усилились в связи с заголовками о потенциальном влиянии ИИ на безработицу. В конце концов, кто-то предрекает, что роботизация заменит огромное количество рабочей силы. Исследование Оксфордского университета прогнозирует, что к 2025 году автоматизировано может быть до 47% рабочих мест в США^1^.
        Всего США предлагают работу ста шестидесяти миллионам человек, и, по прогнозу Оксфорда, из них исчезнет примерно семьдесят пять миллионов рабочих мест^2^. Если экстраполировать эти данные на индустриальные страны «Большой семерки», где существует около трехсот шестидесяти восьми миллионов рабочих мест, это будет означать, что в течение восьми лет новые машины оставят без содержания, по крайней мере, сто семьдесят три миллиона человек. Такие уровни безработицы, достигнутые в такие сроки, приведут нас к мрачному будущему в духе «Элизиума»^3^.
        Конечно, некоторая часть рабочих мест будет вытеснена автоматизацией, но сто семьдесят три миллиона в «Большой семерке» к 2015 году? Мы так не думаем. Сто семьдесят три миллиона - настолько большая цифра, что не проходит тест на вшивость, поскольку это больше, чем все население России или все занятое население Германии, Великобритании, Франции, Италии, Австрии и Канады.
        Вдохните глубоко. ПОДЪЕМ НОВЫХ МАШИН НЕ ПРИВЕДЕТ К ПОЛНОМАСШТАБНЫМ УЛИЧНЫМ РЕВОЛЮЦИЯМ. Много рабочих мест, собственно, миллионы рабочих мест будут автоматизированы, но не в том масштабе и не с такой скоростью, что вызовет социальное напряжение, какое многие предсказывают (и еще большее число людей боится).
        Существует буквально дюжина исследований по данной теме, и, рассмотрев их почти все за последние три года, мы пришли к выводу, что оксфордское исследование занимает самую крайнюю позицию. Не удивительно, что именно оно удостоилось наибольшего числа упоминаний, поскольку затронуло нерв неуверенности в нашей медленно растущей, застойной экономике.
        Общее мнение большинства исследований при этом далеко не так драматично: за следующие 10 -15 лет автоматизацией будет вытеснено от 5 до 15% рабочих мест. Основываясь на проведенном нами анализе, мы считаем наиболее вероятным сценарием средний уровень в 12%.
        Конечно, и этот уровень вызванного ИИ замещения важен. 12% составляет примерно девятнадцать миллионов рабочих мест в США. Если одним из этих мест окажется ваше, жизнь, несомненно, станет очень трудной. Однако, рассматривая большую картину уровня безработицы, из виду часто упускают появление новых рабочих мест. Мы считаем, что таковых будет почти двадцать один миллион - около 13% от сегодняшнего количества трудоспособного населения США, и это станет прямым результатом развития новых машин. Если эти цифры - девятнадцать миллионов исчезнувших и двадцать один миллион созданных рабочих мест - кажутся вам неправдоподобными, возьмите для себя за ориентир, что с 2010 года, за десять лет восстановления после Великой рецессии, в частном секторе в США было создано пятнадцать миллионов вакансий.
        Мы считаем, что в промышленном мире для переживающих Четвертую индустриальную революцию стран уровни безработицы в 2025 году будут примерно равны сегодняшним^4^. Эти ожидаемые более или менее незначительные изменения в общем уровне безработицы при этом будут маскировать огромные изменения в том, какую работу и как мы выполняем. Внутри всего занятого населения предстоят массовые переходы (часто сопровождающиеся несовпадением навыков), и прояснение вопроса «что делать» внутри этой перетряски как раз и является предметом этой книги.
        Новые машины изменят рабочую силу «Большой семерки» в трех направлениях.

1. Автоматизация работы: примерно 12% существующих рабочих мест под угрозой того, что они будут отняты интеллектуальными системами.

2. Расширение работы: примерно 75% существующих рабочих мест будет изменено или дополнено программами-роботами. Занятость сохранится, и работа будет выполняться с большим результатом и/или качеством.

3. Создание работы: по мере того как новые машины будут создавать новые возможности и/или категории занятости, возникнет 13% абсолютно новых вакансий.
        По нашему мнению, любой ответственный анализ воздействия роботов на рынок труда должен проводиться с учетом этих автоматизации, расширения и создания: новые машины обязательно дадут столько же, сколько заберут.
        Мы уверены, наиболее УСТРАШАЮЩИЕ ПРЕДСКАЗАНИЯ ОСНОВАНЫ НА ИССЛЕДОВАНИЯХ, ЯВЛЯЮЩИХСЯ НЕПОЛНЫМИ И НЕВЕРНО ИСТОЛКОВАННЫМИ, а также часто выполненными людьми, далекими в своей деятельности как от современных корпораций, так и от сегодняшних технологий.
        Для того чтобы ответить на этот вопрос для себя и своей компании, полезно задуматься о четырех важных моментах, понять и объяснить для себя, что в действительности произойдет с рабочими местами в вашей индустрии или бизнесе.

•РУЧНОЙ ТРУД VS ИНТЕЛЛЕКТУАЛЬНЫЙ: Исследователи - и многие из нас - все еще смотрят на ручной и интеллектуальный труд как на взаимозаменяемый (и потому одинаково «автоматизируемый»). Они не взаимозаменяемые, и поэтому их замещение машинами будет проходить по-разному.

•РАБОТА VS. ЗАДАЧИ: нам привычнее видеть «работу» в целом, вместо того чтобы смотреть на нее как на состоящую из разнообразных задач, одни из которых могут быть автоматизированы, а другие не будут автоматизированы никогда. Посмотрев на задачи, которые составляют какую-либо работу, мы легко увидим, что некоторые должности непременно заменят машиной, а другие будут лишь немного изменены и дополнены.

•ТЕХНОЛОГИЯ КАК СРЕДСТВО УНИЧТОЖЕНИЯ РАБОТЫ И ЕЕ СОЗДАНИЯ: большая часть аналитики смотрит на автоматизацию и технологию исключительно как на средство уничтожения работы, но любой серьезный технологический сдвиг исторически вел и к появлению новых работ. Мрачную картину будущего значительно усугубило игнорирование возможности роста на противоположной стороне равенства.

•ВРЕМЯ: в попытках понять будущее самая важная переменная - это время. Его часто не замечают или заглядывают настолько далеко, что все предсказания становятся бессмысленными.
        Давайте посмотрим на эти четыре момента более детально.
        Ручной труд против интеллектуального: как на завод, так и в офисе?
        За прошедшие несколько десятилетий автоматизация в индустриальной экономике пережила грандиозный рост, приведя к улучшению продукции, большей эффективности процессов и… устрашающему уровню увольнений. На огромных заводах, когда-то полных людей, персонала сегодня на 80 -90% меньше, однако заводы более продуктивны, поскольку этот персонал управляет парком транспорта или машинами. Сегодня роботы делают наши машины, разгружают корабли, собирают любое количество товаров и даже пылесосят нам полы. Когда расценки стали удовлетворительными, роботы взяли на себя работу, ранее выполнявшуюся тысячами рабочих.
        Этот переход легко было заметить, и во многом он был болезненным. Мы, трое авторов, выросли в городах, которые считались индустриальными лидерами 1960-х, но в 1990-х находились в тяжелой экономической депрессии. В человеческом плане этот переход был никак не меньше чем жестоким, он открыл горькую правду об экономике и технологиях. По сути, производственный робот повысил эффективность и поднял качество. Чьи-то рабочие места ушли и больше уже не вернутся. В связи с этим многие проводят параллели с трудовым коллапсом синих воротничков в Детройте и похожим надвигающимся трудовым коллапсом белых воротничков в таких городах, как Лондон, Нью-Йорк и Лос-Анджелес.
        Однако существуют ограничения для проведения таких параллелей, поскольку ручной и умственный труд имеют слишком мало общих черт, а значит, и автоматизация будет значительно различаться. Очень поучителен здесь старый афоризм:
        Если я дам тебе доллар, ты станешь на доллар богаче, а я - на доллар беднее. Но если я дам тебе идею, мы оба станем богаче, поскольку теперь у нас обоих будет идея, и твоя реакция сделает ее намного более ценной для меня.
        Если на автомобильном шасси закручивается зажимная гайка, то, делает это робот или человеческие руки, делается это всего раз, и возвращаться к этому не будут. Кроме того, эта операция проводится каждый раз одинаково. Однако автоматизация знаний проводится по-другому, поскольку неделимое понятие «знания», или «интеллекта», может использоваться многократно и каждый раз «дополняться», становиться со временем более ценным.
        В качестве примера вспомните газеты прошлого поколения. Это было предложение «от одного многим», поскольку каждое утро все мы получали одну и ту же газету. И поскольку данный интеллектуальный продукт прибывал в физической форме, мы считали, что он чем-то похож на ту зажимную гайку.
        А теперь подумайте о высоко персонализированных лентах новостей, которые мы видим сегодня: местные новости, погода, спорт, биржевые данные и информация о дорожном трафике. Все по вашему запросу, в любое время и в любом месте. Задумайтесь о пермутациях, неизбежных при создании этой индивидуализированной, организованной информации. В городе средних размеров, примерно в пятьсот тысяч жителей, просто при выполнении персонализированных запросов по пяти основным новостным переменным (новости, погода, спорт, биржа, трафик) выйдет 3,1228 комбинаций! Очевидно, математически невозможно вообразить, чтобы новостные редакции прежних лет хотя бы помыслили о доставке персональных новостей каждому жителю города. В то время как сегодня программы-боты, перекомбинируя различные участки интеллектуального труда, делают это без всяких усилий (и мы более детально покажем, как они это делают, в главе 7). Поэтому автоматизация интеллектуального актива - это не перетягивание одеяла на себя, не просто вопрос замещения существующих рабочих ресурсов. И это не просто скорость обработки - часто обнаруживается, что это уровень
массовой кастомизации, который был невозможен до появления интеллектуальных систем.
        Этот феномен интеллектуальных ресурсов - кодификация, рекомбинация и перенаправление - имеет широкое применение. В дальнейшем рассмотрим, как он повлияет на основные процессы в вашем бизнесе (с точки зрения продаж, человеческих ресурсов, финансов или управления логистикой): как на модернизацию, так и на значительное увеличение скорости обработки, качества, персонализации и общую производительность.
        Смысл в том, что интеллектуальный труд очень отличается от труда ручного. Когда бот применяется к интеллектуальным процессам, пусть даже исключительно с целью автоматизации, лежащие в основании интеллектуальные ресурсы становятся богаче и могут снова и снова использоваться интересными и продуктивными способами. Границы рабочего потенциала (и соответствующий результат) действительно расширяются, устраняя таким образом возможность взаимно однозначной замены рабочей функции, что происходило при автоматизации ручного труда.
        Не путайте работу с задачами
        По этой причине возникает вторая ошибка, которую разделяет большинство аналитиков, ожидающих Страшного суда: неспособность увидеть критически важное различие между «работой» и «задачей». В этих исследованиях «работа», как правило, представлена с двух точек зрения (то есть «автоматы вытеснят их с работы» или «автоматы не вытеснят их с работы»). Однако в этом есть чрезмерное упрощение: любой интеллектуальный труд предполагает целый набор задач. Некоторые из этих задач созрели для автоматизации, в то время как другие не созреют никогда. В подавляющем большинстве случаев автоматизированы или заменены программами-ботами будут участки работы, тогда как другие участки не будут тронуты или даже будут расширены.
        Представьте себе Тамару, бухгалтера из вашего финансового отдела. Ее работа состоит из десятков задач, среди которых можно выделить следующие:

• документирование финансовых транзакций;

• подготовка доходной, долговой и бухгалтерской отчетности;

• подготовка налоговых деклараций;

• контроль транзакций и финансовой отчетности;

• консультирование по корпоративной политике и внутреннему распорядку;

• сверка финансовых расхождений;

• создание отчетов о прибылях и убытках;

• стратегическое консультирование;

• отслеживание полноты данных.
        Некоторые из этих задач будут автоматизированы с использованием новых машин или с их помощью будут выполняться значительно более эффективно, но не все. Работа Тамары изменится, но не закончится полностью. Вообразить, что вся бухгалтерская профессиональная деятельность в скором времени исчезнет и будет замещена программным обеспечением, значит, угодить в ловушку чрезмерного экстраполирования того, как и как быстро технологии изменят ход вещей в реальном мире.
        Одно из лучших исследований на тему замещения рабочих мест машинами было проведено компанией Forrester Research, которая применила подход «на основании задачи» и «на основании работы». Во многих случаях «РОБОТИЗИРОВАННАЯ АВТОМАТИЗАЦИЯ ПРОЦЕССОВ» ЗАБИРАЕТ ЛИШЬ УЧАСТКИ РАБОТЫ, И ЧАЩЕ ВСЕГО ТЕ, КОТОРЫЕ ЧЕЛОВЕК СЧИТАЕТ ТРУДНЫМИ И МОНОТОННЫМИ. Таким образом, во многих случаях машине отходит 20% рутинных - и очень скучных - обязанностей.
        Вот как говорит об этом Forrester:
        Самые большие перемены для рабочей силы… будут заключаться в изменении работы, состоящем в том, что 25% или более задач будут автоматизированы, что приведет к реорганизации и смещению обязанностей работника. В 1992 году у технического персонала кабельного телевидения была относительно простая работа: подсоединение коаксиального кабеля на столбе и внутри дома. С тех пор их рабочие задачи расширились до подключения интернет-услуг, беспроводных роутеров для Интернета, IP-телефонии (VoIP) и даже установки домашних систем безопасности. С каждой новой задачей общий состав работы изменялся, требуя от техников даже умения войти в ваш компьютер для активации каких-либо сервисов, что наверняка было для них новым навыком. Мы увидим, как работа меняется подобным образом во всех категориях…^5^
        В таблице 3.1 процент рабочих заданий, которые окажутся под воздействием машины, но не обязательно будут заменены машиной.
        Таблица 3.1.СУММАРНАЯ ДОЛЯ КАННИБАЛИЗИРОВАННЫХ ПРОФЕССИОНАЛЬНЫХ ЗАДАЧ В ПРОЦЕНТАХ(отсутствует долговременный CAGR)
        Изменение работы происходит в двух точках: когда каннибализация задач достигает 25% (не в чистом виде, так что не включен ежегодный совокупный годовой темп роста CAGR работы) и еще раз при 50%. Данный прогноз обобщает годы, когда конкретная работа достигает этих контрольных уровней.
        Например, из полученных данных не следует, что 92% должностей в сфере менеджмента, бизнеса и финансов к 2022 году исчезнет. Вместо этого они доказывают, что 92% «рабочих потоков, процессов и количественных показателей» в деятельности этих категорий новыми машинами будет изменено. В случае, если конкретная профессия включает слишком много задач, которые могут быть каннибализированы искусственным интеллектом, эта работа действительно может исчезнуть полностью. Это касается тех 12% рабочих мест, которые будут полностью автоматизированы.
        Этот основанный на задачах анализ (по родам занятий) рисует гораздо более реалистичную картину движимой машинами трансформации рабочих обязанностей. В этой картине важны три фактора.

•ВРЕМЯ. Данные, полученные Forrester, по-прежнему показывают, что вскоре придется столкнуться с некоторым воздействием, но они не предполагают конца знакомой нам трудовой занятости в течение следующих нескольких лет. Каждый работающий человек также может видеть устойчивое влияние автоматизации на выбранную отрасль. То, что мы наблюдаем этот переход, дает нам как персональный план действий, так и время для адаптации и выработки новых навыков.

•УСТРАНЕНИЕ РУТИННОЙ РАБОТЫ. Автоматизация 50% процентов работы - может быть, это не так уж и плохо. Как мы увидим на последующих страницах, во многих случаях эта автоматизация направлена на рутинную, не добавляющую ценности дополнительную работу (например, ручная проверка учителем домашней работы). Если освободить сотрудников от этих занятий, как они смогут использовать освободившееся время?

•РОСТ ПРОИЗВОДИТЕЛЬНОСТИ. Результативность работы можно повысить. Работник может удвоить усилия, направленные на более человечные аспекты своей деятельности, удвоить результаты или значительно повысить качество исполнения. Например, автоматизация не заставит учителя исчезнуть, напротив, может сделать его работу намного эффективнее.
        Не упускайте из виду рост числа рабочих мест
        Этот взгляд на работу и связанные с ней задачи на ядерном уровне привели к созданию нашей модели AHEAD (или ВПЕРЕД). Будут ли какие-то рабочие места вытеснены ИИ? Конечно, будут. Но гораздо большее число из них будет дополнено, в то же время возникнут миллионы новых рабочих мест, что станет двигателем будущей занятости населения. Наша вера в такие прогнозы основывается не только на способностях новых машин в настоящем: мы уже смотрели это кино, автоматизация - это подлинная история бизнеса.
        Сегодня все мы пользуемся плодами автоматизации еще индустриальных времен. Земные блага, дарящие столько удовольствий: машины, телевизоры, компьютеры, кухонное оборудование, одежда, которую носим, авиаперелеты, еда и развлечения - все это мы получаем по соотношению цены и производительности, невообразимой еще несколько поколений назад. В конце концов, взгляните на свой 60-дюймовый телевизор с плоским экраном и высоким разрешением, который по сегодняшним ценам стоит как треть 19-дюймового ТВ марки RCA, который украшал семейное гнездышко ваших родителей.
        Все эти товары и услуги - прямой результат автоматизации. И при этом каждое упоминание слова «автоматизация» в 2017 году часто встречается негативно, а иногда даже враждебно. Кажется, многие забыли, что на протяжении всей истории автоматизация давала обществу лишь преимущества. В процессе автоматизации нашей работы и общества, поколение за поколением, произошли три по-настоящему хорошие вещи.

1. Было создано новое изобилие; продажи продуктов и услуг, полученных в результате автоматизации, намного более доступных и высококачественных сегодня, взлетели до небес.

2. С новым изобилием растет и общая занятость, даже если каждое изделие требует меньше трудовых вложений.

3. Общество получает исключительное благо более высоких стандартов жизни, созданных по-новому доступными товарами и услугами.
        Каждый раз при появлении новой формы автоматизации ощущаются озабоченность и тревога. В конце концов, мы не всегда сразу можем увидеть новое изобилие, рост общей занятости и чистое общественное благо, но безусловно заметим изначальные потери рабочих мест. Этот процесс автоматизации, сначала проклинаемый, а в результате восхваляемый, повторяется с потрясающим постоянством.
        Задумайтесь о пароходе, локомотиве и сборочной линии. С появлением каждой новой технологии заинтересованные круги оказывались под угрозой, а часть бизнеса обычно рушилась. В этом заключалась и история упомянутых выше луддитов. В контексте того момента их аргументы заслуживали внимания. Однако в контексте истории, если мы признаем, что ткацкий станок одел мир, заложил основы мировой торговли, инициировал рост многочисленного среднего класса и запустил разнообразные смежные отрасли, луддиты оказались не правы.
        Автоматизация - глубокая и непреодолимая сила. Автоматизация ключевых процессов - главный и первый шаг для вас и вашей организации к глубокому рабочему пониманию новой машины и раскрытию ее потенциала ради будущего процветания.
        Это может звучать как громкая, заоблачная теория, но имеет очень практическое применение. Менеджеру, раздумывающему об автоматизации в своей компании, эти аспекты будут полезны. Ведь если кто-то боится автоматизировать какие-то внутренние процессы в компании, то со временем может выйти, что все рабочие места в компании будут поставлены под удар (когда компания станет неконкурентоспособной в цене). Кроме того, работа, которая потенциально может быть расширена при помощи автоматизации, не придет к желаемому виду, и на рынок не выйдут новые предложения смежных вакансий.
        Для некоторых принятие новых машин станет болезненным, но этот сдвиг неизбежен. Если мы пройдем этот этап мудро, результат будет положительным как для наших компаний, так и для общества в целом.
        Скорость этого перехода
        Наш прогноз состоит в том, что ИИ повлияет почти на 100% интеллектуального труда и полностью устранит примерно 12% подобных вакансий. Но ключевой вопрос здесь - «когда?».
        ИИ съест нынешние рабочие места «медленным, медленным, внезапным» образом. Какие-то задачи будут постепенно и все больше автоматизироваться и достигнут потенциальной критической точки, где будет фундаментально изменена сама природа деятельности (как точка каннибализации на 50% в модели Forrester). Этот переход будет следовать по схеме принятия технологии, очерченной Биллом Гейтсом: «Мы всегда переоцениваем изменения, которые произойдут в следующие два года, и недооцениваем те, что произойдут в следующие десять».
        Следовательно, легко поверить обеим сторонам спора об исчезновении видов работ. Заглянув недалеко вперед (через следующие три года), человек может подумать: «Не может быть, чтобы наш финансовый отдел был замещен автоматами». Хотя, чтобы понять возможности платформ ИИ, стоит заглянуть на пятнадцать лет вперед и подумать: «Не может быть, чтобы к 2030 году у нас было больше пары человек, обрабатывающих клиентские счета».
        Ключ к постановке реалистичных временных рамок:
        а) во взгляде на работу как на набор задач;
        б) в ценности остающихся человеческих единиц.
        Глядя на эти две переменные, мы можем начать делать основательные прогнозы, как скоро боты начнут съедать определенные профессии.
        Идти ВПЕРЕД во времена перетряски
        Завершая разбор этой уничтожающей рабочие места природы новых машин, надо сказать, что намеченные нами перспективы - суть оставшейся части книги. В следующих главах мы исследуем практическое приложение этих динамических сил и то, что они будут значить для вас и вашей организации. В главе 7 мы более глубоко исследуем автоматизацию, рассмотрев конкретные процессы, функции и рабочие обязанности в вашей компании, наиболее близкие к тому, чтобы их забрали новые машины. Прочитав эту главу, можно подумать: «Тамара в бухгалтерии в опасности, если не будет быстро реагировать». В главе 9 мы обозначим профессии, которые находятся в безопасности и будут расширены. В главах 10 и 11 посмотрим на создание совершенно новых вакансий в связи с современным изобилием, процессом изобретений и открытий.
        Однако, прежде чем приступить к определению будущего работы, нужно внимательно посмотреть на новые машины, которые станут драйвером всех этих перемен.
        Глава 4
        Новая машина: Интеллектуальные системы
        Возможно, иногда вас удивляет то же, что и нас: «Как Uber всегда удается находить машину, если я в каком-то случайном закоулке в пятистах милях от дома, а затем автоматически списывать деньги с карты, высылать счет и отмечать мой пассажирский рейтинг - и все за секунды?» или «Как я могу смотреть видео на YouTube на мобильном устройстве, двигаясь в поезде со скоростью 130 миль в час?».
        Две этих ситуации, два момента «чуда», которые уже стали обыденными, еще несколько лет назад были бы невозможны. Удивительно то, что и Uber, и YouTube, несмотря на то что предлагают совсем не похожие услуги, выполняют свои операции на «машинах» с практически одинаковыми компонентами. Эта новая машина, та, что мы зовем «интеллектуальной системой», быстро становится краеугольным камнем для компаний, конкурирующих в наукоемкой среде. Она в центре Facebook, Instagram, Google, Е-Trade, Betterment и всех прочих сегодняшних цифровых лидеров.
        Однако при всей значимости новые машины по-прежнему остаются во многом непонятыми. Многие из нас активно потребляют результаты действия интеллектуальных систем, не останавливаясь, чтобы задуматься, насколько актуальные, персонализированные и отборные возможности создаются и достаются нам.
        В связи с этим в данной главе мы объясним, чем являются эти новые машины - каковы компоненты технологии, как сочетаются, на что похож хороший образец и каким образом они глубоко повлияют на будущее вашей работы.
        Мы знаем, обзор может оказаться похожим на то, как вы учились водить, будучи подростком, и ваш дядя, откинув капот машины, объяснял, как все это работает. Некоторые уроки могут быть скучноватыми (например, «это карбюратор, это свечи зажигания»), но сейчас, пользуясь интеллектуальными системами на непрерывной основе, мы должны создавать и применять их в своих компаниях, чтобы добиться конкурентного преимущества, поэтому рабочие знания здесь очень важны.
        Дать определение новой машине
        Давайте начнем с простого определения, а затем немного его распространим.
        Интеллектуальная система совмещает в себе программное обеспечение (алгоритмы, деловой регламент, код машинного обучения, прогнозовая аналитика), комплектующее оборудование (серверы, датчики, мобильные устройства, возможность подключения), данные (контекстуализированные и в реальном времени) и человеческое участие (часто оценка или запросы).
        Может прозвучать как «куча оборудования, ПО и данных соединить вместе - и там произойдет чудо». Так что давайте вкратце пройдемся по трем ключевым атрибутам, делающим интеллектуальную систему такой особенной.

•ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ, КОТОРОЕ УЧИТСЯ. Программное обеспечение, составляющее центр новой машины, - это то, чего мы не видели никогда прежде. Впервые в истории человечества у нас есть инструмент, который может делать сам себя. ПО, способное к машинному обучению, со временем обновляет само себя. Система учится распознавать схемы и находить скрытые инсайты внутри данных - и все это, не будучи специально запрограммированным на то, что надо делать и где надо искать. Например, именно этим способом Uber узнает, как объединить правильного водителя с правильным пассажиром, а Facebook заполняет вашу персональную ленту новостей. В самих компаниях этим занимается всего несколько человек. И это было бы невозможно, поскольку в случае Facebook - это более миллиарда заходов пользователей на сайт в день^1^. Поэтому вместо людей за всеми и за каждой сессией следит машина, постоянно становясь еще умнее.

•МОЩНЫЕ АППАРАТНЫЕ ВОЗМОЖНОСТИ ОБРАБОТКИ ДАННЫХ. В последние несколько десятков лет мы видели, как мощность оборудования и технологий росла по экспоненте. Ни одна инновация в истории не улучшалась и не проникала во все с такой скоростью. Закон Мура (Moore’s Law), согласно которому число транзисторов на микросхеме (а значит, и его производительность) удваивается приблизительно каждые два года, продолжает действовать, хотя недавно отпраздновал 50-летний юбилей. Однако недавно он был турбирован облаком, которое позволяет сверхмощным компьютерам объединяться друг с другом. Для сравнения: у сильной машины может быть впечатляющее количество лошадиных сил, как, например, четыреста тридцать пять лошадиных сил под капотом Ford Mustang GT, но вы не можете склеить два «мустанга», чтобы удвоить скорость. В то время как один компьютер может получить доступ к множеству других и выдать молниеносный результат. Таким образом, каждый раз, пользуясь Google, Facebook или Amazon, вы подключаетесь к группе связанных, супербыстрых серверов.

•ОГРОМНОЕ КОЛИЧЕСТВО ДАННЫХ. Данные - топливо новой экономики. Соотнесите этот факт с примером оператора такси, приведенным выше. В старые добрые времена, скажем, в 2012-м, ваша поездка собрала бы, наверное, три вида «данных»: запись вашего телефонного звонка с заказом такси, записи диспетчера и водителя, сделанные от руки, и детали оплаты (и конечно, эти рукописные записи редко проверяли или анализировали). Сравните это с типичной поездкой на Uber, после которой сохранится запись о вашем запросе, локации, времени, маршруте поездки, использованном устройстве, оплате и чаевых, водителе, пассажире, рейтинге водителя и рейтинге пассажира. А затем умножьте все это на более чем два миллиарда поездок, предпринятых (к середине 2016 года) через Uber.
        Коротко говоря, три эти специфические черты - самообучающееся ПО, мощные возможности аппаратной обработки данных и невероятное количество данных - объединяются, чтобы оживить интеллектуальные системы (кстати говоря, в некоторых кругах о них сейчас говорят как о программных «платформах», но для ясности и последовательности будем использовать термин «интеллектуальные системы»). Далее в главе расскажем, как эти участки сочетаются друг с другом. А прежде чем взяться за это, полезно дать несколько определений самой противоречивой и неверно понимаемой части машины - искусственному интеллекту.
        Искусственный интеллект: почему узкое понимание - лучшее понимание
        Термин «искусственный интеллект» настолько часто употребляется, что на самом деле вызывает больше путаницы, чем ясности. На рынке существует много определений, и почти все подчеркивают сравнение с человеческими существами. Подобные определения, например данное в словаре Мерриам-Уэбстер («способность машины имитировать поведение разумного человека»), немедленно отправляют многих из нас по ошибочной дорожке, поскольку мы начинаем думать: «Какой человеческий разум может быть и будет сымитирован?» Мы считаем, что это неправильно.
        Наше определение проще:
        ИИ - это область компьютерной науки, занимающаяся машинами, которые учатся.
        Это выражение яснее. Стремящиеся к антропоморфизму определения ИИ неверны по двум причинам.

1. ИИ, дающий бизнес-результаты, скорее сосредоточен на том, что по-настоящему хорошо делают машины, а не пытается повторить то, что уже хорошо делают люди.

2. Люди уже давно зарекомендовали себя как несовершенные «машины» (просто посмотрите шестичасовые новости). Есть некий нарциссизм в том, чтобы считать проектной целью создания новой машины именно человека.
        Таким образом, ИИ - это не о построении робота, передразнивающего форму и поведение человека. Вместо этого примененный на практике ИИ представляет собой следующее поколение компьютерных систем, которые, как старые системы, располагаются в кондиционируемых компьютерных комнатах, а доступ осуществляется через сети и системы (как те приложения на вашем смартфоне), которые вы, может быть, и не видите, но регулярно используете.
        Но это определение - только начало. Прорываясь через мешанину определений, мы нашли крайне полезным разделить ИИ на три подкласса^2^:

1. Узкий ИИ;

2. Общий ИИ;

3. Супер ИИ.
        УЗКИЙ ИИ, также называемый «прикладной ИИ», или «слабый ИИ», - это базовое определение для данной книги. Важно отметить, что весь ИИ сегодня - и как минимум на следующее десятилетие - узкий (также говорят «узкий искусственный интеллект», или УИИ). Подобный ИИ создается для конкретных целей и ориентирован на выполнение бизнес-задач (например, управление автомобилем, проверка рентгеновских исследований, отслеживание финансовых операций на предмет мошенничества) внутри «узкого» контекста продукта, услуги или бизнес-процесса. Именно это применяют сегодня разработчики FANG, обеспечивая нас цифровыми приключениями. Несмотря на то что кажется, будто новые машины могут сделать что угодно, их цель очень хорошо делать одну конкретную вещь. И поэтому системы УИИ будут безнадежны в достижении других целей, помимо тех, для которых их специально разрабатывали (просто попробуйте спросить свой GPS-навигатор, подходит ли этот луковый бублик с мягким сыром к вашей диете). УИИ - это просто инструмент, пусть и очень мощный, дающий базу всему, что мы будем исследовать в дальнейшем.
        ОБЩИЙ ИИ, который также называют «сильным ИИ». Именно он питает страхи массовки в компьютерной игре Singularity, о нем идет речь в упоминавшихся выше фильмах «Она» и «Из машины»^3^. Сильный ИИ - это поиски машины, обладающей таким же общим разумом, как человек. Вы, например, в течение всего нескольких минут можете обсудить политику, пошутить о чем-то, а затем забросить мяч для гольфа на сто пятьдесят ярдов. Сильный ИИ будет обладать общим интеллектом, чтобы суметь выполнить то же самое.
        Бен Герцель (Ben Goertzel), председатель Общества общего искусственного интеллекта (Artificial General Intelligence Society), как на хорошее определение общего ИИ, указывает на кофейный тест: «Зайдите в средний американский дом и подумайте, как сделать кофе, для чего вам придется найти кофемашину, понять, для чего нужны кнопки на ней, найти в шкафчике кофе и т. д.»^4^ Этот набор задач, наверное, совсем не трудно выполнить большинству взрослых людей, однако в настоящее время это безумно тяжело сделать компьютеру. Создание общего искусственного интеллекта значительно труднее, чем создание узкого: по многочисленным оценкам, мы все еще находимся более чем в двух десятках лет до того момента, как ИИ разовьет такие способности, если вообще когда-либо это сделает.
        Таким образом, пугать себя общим ИИ легко по двум причинам, одна из которых практическая, а другая - теоретическая. С практической - сегодня мы видим примеры узкого ИИ, который, кажется, чем-то похож на общий. Это может быть ваше домашнее приложение Alexa для Amazon, которое справится с тестом Тьюринга (действуя неотличимым от человеческого образом). У нас может быть ощущение, что мы движемся в сторону ОИИ, однако это всего лишь блестящая, элегантная реализация голосового интерфейса интернет-поиска, известного нам уже почти пятнадцать лет.
        С теоретической стороны, компьютерная наука смотрит на человека как на машину по природе - машину, имеющую очень отчетливые ограничения. IQ человека обычно колеблется между 80 и 150 пунктами - очень низкими показателями по компьютерным меркам. Если с точки зрения программного обеспечения общий ИИ станет возможным, зачем нам ограничивать машинный «интеллект», скажем, 150 баллами? Почему не сделать 300, или 3000, или 30 000? Ни один из нас не смог бы даже отдаленно понять, чем бы был или что мог бы совершить подобный коэффициент интеллекта, но если это всего лишь вопрос соединения большего числа серверов в облаке для добавления большей операционной мощности, то куда это нас завело бы?
        Все это приводит нас к третьему определению. Супер ИИ - это, по сути, технический гений, выпущенный из бутылки. Не понятно, будет ли человек знать, как остановить машину в случае реализации подобного сценария? Она бы оставила далеко позади весь наш коллективный разум (а ведь, как мы знаем, если посадить в одной комнате десять достаточно умных людей, их коллективный IQ будет равняться на 1200, а где-то 95 баллам, хотя мы можем рассчитывать на различные мнения и точки зрения, которые люди всегда приносят с собой). Как мы сможем тогда отключить машину, если она всегда на 10 (или на 1000) шагов впереди нас?
        Все это интересно, особенно как предмет для разговора на коктейльной вечеринке. Однако, возвращаясь к нашим исследованиям, будущее в духе Singularity, с бегающими вокруг наделенными супер ИИ терминаторами, - это мираж. Серьезные люди, те, что заняты созданием этих систем сегодня, довольно умерены в оценках того, возможны ли такие сценарии хотя бы через сто лет, не говоря уже о пяти или десяти годах. Эндрю Ын (Andrew Ng), руководитель исследований в Baidu Research, изложил эту мысль коротко и точно, сказав, что «волноваться насчет [общего и супер] ИИ - это как волноваться о перенаселении Марса еще до того, как мы на него ступили»^5^.
        Исходя из вышесказанного, наш фокус в этой книге специально направлен на узкий ИИ, поскольку здесь, в реальном мире, больше озабочены эффективным использованием инструмента для хороших бизнес-результатов современного предприятия. И пока кто-то продолжит мучить себя, волноваться о таких вещах, как супер ИИ, конкуренты выдавят его из бизнеса, применив на практике узкий ИИ. С этим определением искусственного интеллекта давайте углубимся в тему новой машины.
        Знакомьтесь - машина: анатомия интеллектуальных систем
        Каждая интеллектуальная система может делать совершенно разные вещи, но у всех схожая анатомия. По сути, если вы знакомы с технологиями для предприятия и с предшествующим поколением учетных систем (такими как ERP или CRM-системы), то многие составляющие покажутся уже известными. В конце концов, технологический «стек» учетных и интеллектуальных систем имеют многие общие элементы, такие как интерфейс, прикладная логика, последовательности операций, базы данных и инфраструктура.
        Таблица 4.1.УЧЕТНЫЕ СИСТЕМЫ VS ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ
        Однако объективные различия есть у каждого слоя этого стека, и самые важные из них касаются трех отличительных характеристик новых машин, выделенных нами раньше: способность обучаться, значительная оперативная мощность и огромное количество данных. В таблице 4.1 мы обозначим несколько ключевых различий в каждом слое этого программного стека. Далее мы проработаем разные компоненты, общие для всех интеллектуальных систем, как показано на рисунке 4.1.
        Рисунок 4.1. Анатомия интеллектуальной системы
        Пользователи, клиенты и сотрудники
        Независимо от того, насколько цифровым становится наш мир, эта перемена в первую очередь ориентирована на людей; это наша, углеродная, форма жизни без кнопки вкл./выкл. Поэтому чем более технологичны успешные цифровые решения, тем более человечными будут ощущаться. Лучшие цифровые решения не замедляют нас, напротив, они как будто отходят в сторону, помогая достичь цели. МЫ НЕ ХОТИМ ОБУЧАТЬ СИСТЕМЫ, МЫ ПРОСТО ХОТИМ ПОЛУЧАТЬ РЕЗУЛЬТАТ. GPS-навигаторы Waze дают нам возможность добраться до места самым быстрым путем, платформа Predix от GE - наша ветроэлектростанция, юридический аналитический сервис Lex ех Machina ведет запись действий конкретного судьи. Машины способны на невероятные вещи, но общая черта успешных систем - они ставят в центр разработок человеческое восприятие. Часто даже среди самых автоматизированных, будто богатых искусственным интеллектом средах все еще очень много следов человеческого участия.
        Интерфейс приложения
        В нашей частной жизни мы думаем о Netflix, Strava, Linkedin и другом как о приложениях. Большинство из нас уже даже не зовет их «программным обеспечением». То, до чего вы дотрагиваетесь, контент, которым делитесь, получаемые информация или идеи, - все это проходит через приложение (или через слой приложения), являющееся входом в оставшуюся часть новой машины. Годами вы загружали приложения в свой компьютер, смартфон или планшет, а сегодня их внедряют и в промышленные машины (такие как автомобили). Важнейшим является то, что ваше впечатление будет сформировано приложением. Остальная часть интеллектуальной системы, если она хоть сколько-то хороша, для нас невидима.
        Кроме того, как мы подчеркивали в нашей книге «Code Halos», приложение должно обеспечивать пользователя чувством прекрасного. Приложение должно проходить по критериям FANG в части элегантности и простоты использования. Это объясняет стремительный подъем «дизайн-мышления» в корпоративных IT-кругах, ведь эти интерфейсы должны подходить вашим клиентам, партнерам и сотрудникам для использования в повседневных делах (никакие учебники или тренинги для пользователей не разрешаются!). Ключ к успеху в том, что интерфейс приложения должен быть простым и интуитивным, вписываться в контекст пользовательских потребностей.

«Внутренности» ИИ
        Несмотря на всю шумиху, узкий искусственный интеллект - это современное, сложное, адаптивное программное обеспечение в сердце интеллектуальной системы. То, что мы считаем ИИ, по-настоящему должно включать три элемента.

1. ЛОГИКА ЦИФРОВОГО ПРОЦЕССА. Каждый раз, входя в интеллектуальную систему, мы участвуем в каком-то процессе: бронируем машину, обращаемся за страховой выплатой, заключаем финансовую сделку или проверяем статус МРТ-аппарата. В этом нет ничего исключительно нового. IT-специалист из 1990-го распознал бы технические элементы, управляющие протекающими внутри интеллектуальной системы процессами. Революционная составляющая интеллектуальных систем в том, что они преобразуют многие ручные процессы в автоматизированные. Вспомните еще раз пример с противопоставлением Uber и такси. Процесс заказа автомобиля в обычном такси выполняется вручную (например, клиент звонит, посредник информирует диспетчера, диспетчер связывается по радио с подходящим водителем и т. д.). В Uber весь процесс автоматизирован. Когда этот оцифрованный процесс вылился в миллионы транзакций, революция в отрасли состоялась. Мы опишем, как это сделать, во второй половине книги. Однако сейчас главная проблема в том, что, хотя руководящая процессным слоем искусственного интеллекта технология довольно проста, правильно структурировать этот
лежащий в основе процесс - крайне трудная работа.

2. МАШИННЫЙ ИНТЕЛЛЕКТ. Вот это действительно новая и другая технология современной машины. С помощью комбинации алгоритмов, процесса автоматизации, машинного обучения и нейронных сетей система подражает «обучению» через получение опыта, то есть через расширение набора данных. Именно так она может автоматизировать рабочий процесс (например, чтение рентгеновского обследования), инструктировать работников по поводу лучшего следующего шага (например, продавец будет знать точную цену, которая с наибольшей вероятностью приблизит сделку) и распознавать рыночные тренды, что поможет создать следующий прорывной продукт. Внутренний «счетчик» (программный механизм внутри интеллектуальной системы) и есть машинный разум, настоящее сердце ИИ. Если смотреть с этой точки зрения, то все не так страшно, загадочно или безнадежно сложно. Не поймите нас неправильно: мы не умаляем техническую сложность этой созидательной работы. Но также в ней нет ничего мистического. Все эти разговоры про «духа в машине»^6^ в реальном мире едва ли имеют отношение к узкому ИИ. Это ничуть не больше и, конечно, ничуть не меньше, поскольку
находится в корпусе новой машины, сердца искусственного интеллекта.

3. ПРОГРАММНАЯ ЭКОСИСТЕМА. Наш, как видится, магический опыт взаимодействия с интеллектуальными системами кажется бесшовным, единым, однако мы никогда не взаимодействуем с только одним участком ПО. Обычно эти системы составляют экосистему из десятков разнообразных инструментов, связанных интерфейсом прикладного программирования (API), являющимся частями программного обеспечения, соединяющими один инструмент с другим, как детали Lego. Uber, например, привлекает богатый набор инструментов, в том числе Twilio для облачной коммуникации, Google для карт, Braintree для оплаты, SendGrid для отправки e-mail, и так далее. Благодаря программному интерфейсу Uber у каждого из нас есть собственный первоклассный опыт общения с этой системой, но на самом деле мы взаимодействуем с целой экосистемой инструментов и сервисов.
        Это бизнес-книга для технологичной эпохи. Мы не планируем вдаваться в мельчайшие подробности конкретных технологий, включенных в сегодняшний искусственный интеллект. Мы могли бы написать еще одну полноценную книгу о машинном обучении, глубоком обучении и нейронных сетях (эти темы - в топе популярности в ведущих мировых университетах), но, честно говоря, это было бы излишним, поскольку сегодня на рынке уже представлено огромное количество обучающих ресурсов.
        Данные от вещей и учетных систем
        Исходных параметров в новых машинах много, и они весьма разнообразны. Некоторые являются зрелыми системами на базе ERP, в другие будет в реальном времени поступать информация от оснащенных оборудованием предметов - тот самый Ореол кодов с данными об окружающих продуктах, людях и местах, - то есть постоянно информировать свой нервный центр о том, что происходит вокруг. Со временем эти параметры будут изменяться, иногда быстро и радикально. Эти вводные параметры отвечают за создание контекстуализированных, ценных данных. Без новых источников данных строить или подпитывать ваши современные машины будет сложно. За выработку новой информации - кода - будут ответственны сенсоры в вашем мобильном телефоне, одежде, спортивном оборудовании, машинах, дорогах и буквально любых других физических объектах. Связь этих сенсоров с интеллектуальными системами - это и есть зарождающийся «Интернет вещей».
        Данные могут казаться невесомой абстракцией (если вам интересно, все электроны Интернета весят, вероятно, как две клубники^7^). Но хотя данные весят так мало, они обладают огромной ценностью, когда применяются в правильном месте и в правильное время. Обширное число данных должно быть собрано, сохранено, защищено, проанализировано и сделано доступными. Именно поэтому нам требуются большие системы баз данных, которые будут стабильными, эластичными и проверенными (какими бы крутыми ни казались новые блестящие приборы). Приобретает популярность новое поколение баз данных (например, Hadoop), однако никуда не делись имеющие клиентскую базу в целом более чем в семьсот сорок тысяч компаний Oracle и SAP. А с ними и другие заслуженные «торговцы оружием» в лице IBM, Microsoft и иных главных предприятий-поставщиков ПО. В цифровой экономике нам по-прежнему будут так же нужны высококачественные учетные системы (как традиционные, так и появляющиеся вновь), как нужны электросети с переменным током.
        Инфраструктура
        Как и любая производственная машина, новая машина нуждается в энергии и «трубопроводе». Инфраструктура включает все сетевые соединения, серверы, источники электроэнергии и все прочее, что заставляет машину загудеть. В нынешних системах все элементы управляются, как правило, или непосредственно из IT-департамента, или внешним поставщиком услуг, или - что все более распространено сегодня - облачным провайдером. Обязательно наличие мобильных сетей, как правило, являющихся основным носителем данных. Чтобы обладать должной вычислительной мощностью, все интеллектуальные системы, работают они на серверах Amazon, где-то в Googleplex или в вашем собственном центре обработки данных, нуждаются в высокоэффективном, всегда включенном трубопроводе.
        Интеллектуальные системы в действии

«Анатомия» новых машин может показаться чем-то абстрактным, хотя эти части соединены между собой в настоящую новую машину, видимую в реальном мире. Уже многое было сказано о Netflix, но мы хотим сказать о другом. Все мы знакомы с этой платформой потокового мультимедиа, являющейся отличной иллюстрацией того, как компания, применяющая новую машину, новые сырьевые материалы и ориентированные на них бизнес-модели, переворачивает бизнес каждый день и в штатном режиме.
        Машина, ставшая Netflix (благодаря ИИ)
        В 2016 году Netflix занимал примерно 35% всего интернет-трафика в Северной Америке и имел весьма оживленные ТВ-сети^8^. Если попытаться разобрать Netflix на косточки, мы увидим анатомию новой машины в действии (см. табл. 4.2).
        Таблица 4.2.АНАТОМИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ NETFLIX
        Что такое «хорошо»? Атрибуты успешной интеллектуальной системы
        Есть большая разница между тем, чтобы иметь все необходимые ингредиенты новой машины, и действительно получить их, для работы на высоком уровне. Интеллектуальная система, которая поможет вам стать Хусейном Болтом в любой гонке, из тех, где участвуете, будет иметь все или большинство из этих характеристик.

•УМНАЯ, А НЕ ГЛУПАЯ. Эффективные новые машины становятся лучше, более мощными и ценными, по мере роста. Единственный правильный тест для хорошего ИИ - с поступлением новых данных завтра он становится умнее, чем был сегодня. В любом случае, лучшие интеллектуальные системы высасывают информацию из широкого круга источников, что позволяет достичь массы данных, требуемой для получения инсайтов и создания персонифицированного восприятия. Сегодняшние мастера цифровых данных говорят однозначно: «Все дело в данных».

•ОТКРЫТЫЕ, А НЕ ЗАКРЫТЫЕ. Интеллектуальные системы, способные полностью раскрывать свой потенциал, как правило, больше открытые, чем закрытые. Подумайте о Tesla, раздающей свои патенты, и Uber с открытыми API: обе эти политики помогли сгенерировать новые решения, построенные на винтиках и шестеренках искусственного интеллекта компаний. Один из ярких примеров конкурентной борьбы разворачивается сегодня между Amazon и Walmart.com. Если использовать систему анатомии, приведенную в этой главе, обе компании выглядят похоже. И покупательский опыт, получаемый через приложения, одинаковый, плюс-минус 10%. Однако если смотреть через призму API, то компании не могли бы выглядеть более разными. У Amazon - массив из более чем 325 API, что открывает его платформу другим. У Walmart, Target, Macy’s и Sears на сентябрь 2015 года их три или меньше^21^. Открытость обязательна для цифрового успеха, поскольку полностью оформленная, наполненная содержанием экосистема будет более мощной, чем среда с замкнутым развитием.

•УМНЫЕ РУКИ, НЕ ТОЛЬКО БОТЫ. Самые успешные узкие ИИ включают участие людей. Одна из самых распространенных ошибок, которую мы наблюдали в поездках, состоит в том, что компании пытаются полностью избавиться от человеческого фактора^22^. Есть множество вещей, которые машина не может делать так же хорошо, как можем мы (по крайней мере, в те временные рамки, когда надо принимать значимые бизнес-решения). Меняющие правила игры интеллектуальные системы создаются ради интеграции ИИ с человеком, где объединяется лучшее из того, что может компьютер и умеют люди (больше о «расширении» ИИ в главе 9). Некоторые из инструментов, такие как робот в роли отельного консьержа, пытающийся подражать тому, что так хорошо делает человек, - верный способ потерять время и деньги.

•УЗКИЙ, НЕ ШИРОКИЙ. Попытка создать магический черный ящик, что решит все ваши проблемы, которые хотели бы адресовать искусственному интеллекту, кажется заманчивой, но ее невероятно трудно осуществить. Даже сложные платформы, вроде Watson от IBM или Predix от GE, имеют серьезную коммерческую ценность только тогда, когда сконфигурированы под конкретный процесс или клиентский опыт^23^. Фокус на «моменте» или простом действии - важный индикатор того, что интеллектуальная система может дать значительный ожидаемый эффект.

•ОДИН ДЛЯ ОДНОГО, НЕ ОДИН МНОГИМ. Если вы когда-то работали с PeopleSoft или SAP, сразу понимали, что пользовательский опыт не был создан лично для вас. Он был разработан для как можно большего числа людей. Со времен перфорированных карт это было частью архитектуры практически любой коммерческой программной системы. А при том, что большинство существующих коммерческих систем, в целом, разрабатывались не для того, чтобы дать нам индивидуальные впечатления, интеллектуальные системы определенно таковы. Например, Alexa конфигурирует себя под ваше поведение. Amazon обращает свои предложения к вашей виртуальной сущности. Олдскульное программное обеспечение требует, чтобы подстраивались под него, машина нового времени подстраивается под вас.

•НА ЗАКАЗ, НЕ ГОТОВОЕ. Было бы здорово зайти в магазин iTunes, предлагающий различные интеллектуальные системы, и выбрать решения именно для своей организации, однако такой возможности пока не существует. Со временем ИИ станет «полноценным» продуктом, и уже сейчас есть много решений с машинным обучением, доступ к которым осуществляется по принципу «доступа к услуге», но не думайте, что в ближайшем будущем ваша организация сможет просто купить полный комплект ПО, который немедленно перенесет вас в пучину эры новой машины. Новые интеллектуальные системы возникают каждый день, так что все быстро меняется. Это и есть самая большая область для инноваций практически в каждой отрасли. Вам повезло, если ищете платформу, предназначенную для обработки заявок, финансовых и бухгалтерских процессов или получения специального образования, потому что подобные мощные системы уже существуют. Однако во многих, если не в большинстве, случаях продуктов еще не существует. Внимательно присматривайтесь ко всем новым решениям, имеющим значение для вашего бизнеса, но сегодня многие системы надо создавать или собирать из
существующих компонентов.
        Три ключевых навыка для построения интеллектуальных систем
        Начавшись с истории глубокого анализа данных LexisNexis®, LexisNexis Risk Solutions помогает клиентам оценивать, предсказывать и управлять рисками во множестве отраслей (в том числе страхование, банковский сектор, розничная торговля, здравоохранение, коммуникации и бюджетный сектор).
        За стратегию платформы и разработку нового продукта отвечают д-р Флавио Вилланустре (Flavio Villanustre), вице-президент по технологической инфраструктуре и разработке продукта, и Дэвид Гловацки (David Glowacki), вице-президент по инженерному проектированию продукта. Они участвуют в ряде проектов, задействующих большие данные, аналитику и машинное обучение, отвечают за команды, строят и запускают машины, которые начинают уметь (почти) все.
        Они создали не одну, а множество интеллектуальных систем, которые помогают клиентам в управлении разногласиями, выявлении мошенничества, отслеживании результатов лечения, рисков и других основных бизнес-процессов. В работе они пришли к определенным умозаключениям, которые можно применить к вашему бизнесу.
        ДАННЫЕ БЕЗ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ - ПРОСТО БЕЛЫЙ ШУМ. Многие компании, с которыми мы работали, все еще не могли разобраться с новыми сырьевыми материалами. Лидеры закопались не только под своими данными, но и под многочисленными инструментами - API-библиотеки, онлайн-программы межмашинного обучения, решения на основе облаков, автоматизированные системы и так далее. Хотя иметь так много инструментов и широко доступных возможностей - это хорошо, но такое количество опций может оказаться и ошеломляющим, может подавлять.
        Интеллектуальные системы, как та, что построил LexisNexis, оживают, когда присоединяют данные к признанным и значительным результатам. Как заметил Вилланустре: «Цель - взять неразрешимую задачу, что-то, с чем будет бесконечно трудно разобраться человеку, и сократить ее до набора блоков данных, чтобы представить исследователю или аналитику из ФБР и получить из этого достаточно информации, в которую можно погрузиться и дать начало расследованию, если эксперты сочтут, что оно того стоит».
        Вилланустре продолжает: «Лидеры добиваются лучшей реализации: какие бы данные они ни собирали - через экономические операции и другие сведения, полученные в процессе ведения бизнеса, - все данные имеют какую-либо ценность. Добавив блок данных к другому блоку данных, вы потенциально способны совершить что-то совершенно новое».
        НЕ СЧИТАЙТЕ, ЧТО ДОЛЖНЫ СДЕЛАТЬ ВСЕ ЭТО САМИ. Как мы уже говорили, сегодня многие решения на основе искусственного интеллекта просто не доступны в «готовом» виде. Именно здесь вступают такие компании, как LexisNexis и другие. «Мы твердо уверены, что будущее за инструментами, дающими возможности, - говорит Вилланустре. - Иметь возможность взять все наличные ресурсы и представить их в осмысленном виде пользователю, который, возможно, обладает глубокими познаниями в конкретной области, но не обладает какими-то техническими знаниями, значит, расширить число людей, которые могут по-настоящему «рыть землю» и извлекать пользу из имеющихся у нас ресурсов».
        Рекомендации для руководителей заключаются в том, чтобы сосредоточиться на конкретных процессах и опыте, который вы хотите воплотить в интеллектуальной системе. Если вы определили процесс или опыт, к которому хотели бы применить новую машину, выясните, существует ли готовое решение у партнеров (как LexisNexis). И хотя может быть правильным купить часть сервисов у общего провайдера платформ (например, Google, Amazon Web Services, Palantir, Microsoft и др.), будьте готовы к серьезной работе по конфигурации, чтобы сделать технологию полностью подходящей под требования вашего бизнеса.
        ЕСЛИ ВАША ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ХОРОША, ВАМ НЕ ПОНАДОБЯТСЯ ДЕСЯТЬ ТЫСЯЧ СПЕЦИАЛИСТОВ ПО ОБРАБОТКЕ ДАННЫХ. Если системы оснащены измерительными приборами, вы получаете поток данных. Общий рефлекс компаний - нанять кучу специалистов по обработке данных, чтобы разбирались в информации. Изначально это может быть правильным порывом, но со временем справляться все равно будет трудно.
        Гловацки и его команда ясно осознают, что бремя разгребания информации должно перейти от людей к платформе: «Со временем простое получение доступа к горе информации уже не поможет». Именно здесь интеллектуальные системы имеют решающее значение, поскольку действительное «создание смыслов» может и должно быть прописано в ИИ.
        Как заметил Вилланустре: «Почему сегодня так трудно найти специалиста по обработке данных? Потому что вы как будто пытаетесь найти единорога. Вы пытаетесь найти кого-то с хорошими программными навыками, обладающего системными, глубокими познаниями в математике, в физике, а также инженерным и аналитическим умом, чтобы решать проблемы и создавать программы. Этот специалист также должен быть экспертом в конкретной области, понимать, к чему идет, и разбираться в данных. Мы говорим о ком-то, кого не существует… Единственный, кого вы не можете заменить, это эксперт в данной области. Все остальное может быть сделано машиной».
        От ничего к ценности
        При более детальном взгляде на интеллектуальные системы возникает много глубоких, стратегических, даже экзистенциальных вопросов. Что есть универсальный магазин в эпоху Amazon? Что есть отель во времена Airbnb? Что такое автомобильная страховка в эпоху беспилотных автомобилей?
        При том, насколько серьезны эти вопросы, заманчивой кажется мысль о том, что то, что мы зовем главным трендом, на самом деле - лишь кратковременное поветрие или последняя теория в консалтинге. Мы слышим это постоянно: «Может быть, это проблема завтрашнего дня? Может быть, надо подождать, пока законодательство или разрушительная сила каких-то происшествий изменит нашу отрасль».
        Мы не согласны. Каждый проходящий день дает все больше свидетельств и усиливает убежденность в том, что новые машины, которые мы рассмотрели в этой главе, служат двигателем Четвертой индустриальной революции. Мы уже преодолели теоретическую фазу. Люди и компании, понимающие преимущество первых, - не все гении или легендарные предприниматели. Они такие же люди, как вы, использующие новые технологии для решения своих главных проблем.
        Помните, построить собственную новую машину становится все легче, даже несмотря на то, что в какие-то моменты потребуется некоторое стороннее участие. Все чаще вы можете достать кредитную карту и получить доступ к коду машинного обучения, инфраструктуре или базам данных. Облачная платформа Google дает немедленный доступ к нейронным сетям платформ машинного обучения^24^. Машинное обучение Amazon предоставляет доступ к платформам прогнозной аналитики, обеспечивающим рекомендациями платежеспособных лиц и предприятия^25^. Всего несколько лет назад это стоило бы компаниям миллионы и занимало бы месяцы.
        Все сегодняшние создатели новых машин говорят одно и то же: поместить узкий ИИ в сердце интеллектуальной системы - это не теоретическое упражнение, это возможно, и это происходит сегодня. И настоящим турбонаддувом этого взрыва активности служит то, что топливо для новых машин находится вокруг нас, если вы сможете его увидеть, собрать и использовать, что и является темой следующей главы.
        Глава 5
        Ваш новый сырьевой материал: Данные лучше, чем нефть
        Катализатором каждой индустриальной революции служили сырьевые материалы: уголь, сталь, нефть, электричество. В этот раз главное сырье - это данные.
        В этой революции побеждающие организации точно знают, как двигатель Е17BBI работает во время перелета V26 из Нью-Йорка в Лондон. Они знают, как предполагаемый рост процентной ставки в 0,5% в Новой Зеландии повлияет на выпущенные правительством штата Калифорния облигации с нулевым купонным доходом еще до их выпуска. Они знают, как их ребенок отвечает на сегодняшнем уроке по дифференциальному исчислению. Как же они это знают? Потому что имеют данные.
        Как и нефть, данные надо «добыть», «очистить» и «распространить». Но в отличие от нефти, данные - это многогранный, любопытный продукт. Потенциально этот источник неисчерпаем - непрозрачный, недолговечный, подчас непостижимый. Они могут многократно вырасти в размерах и ценности, но могут и обесцениться и даже стать обузой, если рассмотреть их с неправильного ракурса или неправильно распорядиться. Нынешние лидеры должны понимать, как распорядиться этим продуктом, доступным всем и каждому, и превратить в конкурентное преимущество. В конце концов, поставить себе на службу новую машину без обширных данных подобно тому, чтобы владеть флотом из грузовых тягачей с прицепами, не имея доступа к бензину.
        Данные, о которых мы говорим, уже сейчас находятся у вас под носом, они готовы к извлечению из ваших повседневных бизнес-операций. Например, на примере с рейсом V26, типичный Airbus A350 оснащен примерно шестью тысячами сенсоров по всему самолету, которые генерируют 2,5 терабайта информации в день^1^ (и да, это правда, что слово «тера» происходит от греческого «монстр»).
        Так насколько велики эти монструозные данные? Давайте скажем так: все сочинения Шекспира в виде базовых текстов, сохраненных на вашем компьютере, заняли бы примерно пять мегабайт^2^. При том что гигабайт - это 1024 мегабайта, а терабайт - это 1024 гигабайта, то это значит, что средний А350 производит эквивалент пятисот двадцати четырех тысяч трудов Барда Эйвона каждый день. Вы, наверное, думаете: «Что Airbus и его пассажирам делать со всеми этими данными? Не слишком ли много шума из ничего?» (Простите, это было слишком прямолинейно.) Иногда так и есть. Многие организации часто не знают, что делать со всеми этими данными. Иногда это просто статистика, иногда превращается в чье-то обязательство, повинность. Однако В СЛЕДУЮЩЕЕ ДЕСЯТИЛЕТИЕ ПРОРЫВ СОВЕРШАТ КОМПАНИИ, КОТОРЫЕ СТАНУТ МАСТЕРАМИ В ПОСЛЕДОВАТЕЛЬНОМ ПРЕВРАЩЕНИИ ЭТИХ ИЗБЫТОЧНЫХ ДАННЫХ В ИМЕЮЩИЕ ПРАКТИЧЕСКУЮ ЦЕННОСТЬ, и собственно в инсайты.
        Превращение данных из обязательств в статью дохода
        В последние годы фраза «данные - это новая нефть» превратились во что-то вроде клише. Но как многие клише, фраза выражает правду. Давайте разберем, что на самом деле это значит.
        Представьте себя в городе где-то в Великобритании 1850-х годов - в мире, превосходно описанном Чарльзом Диккенсом. Вторая индустриальная революция находилась в самом разгаре реализации, и многое из происходившего было малосимпатичным. Это время до появления законов о детском труде. Здания покрыты сажей. Улицы заполнены лошадьми и продуктами деятельности сотен тысяч лошадиных кишечников. Во многих странах происходят политические волнения (если не сказать хуже). И хотя вы, милорд, находились на верхушке экономической цепи питания, жизнь порой бывала очень жесткой и сложной.
        Уголь и пар все еще питали экономику. Нефть использовалась для освещения, гидроизоляции и других случайных целей. Люди знали о нефти и находили ей применение, но никто не видел в ней топливо для полноценной Третьей индустриальной революции. В те времена нефть просачивалась через землю либо ее находили взрывники, пришедшие за углем. Нефть все еще воспринималась как проблема: коричневая, липкая «жижа», мешающая добывать уголь.
        В 1847 году шотландский химик по имени Джеймс Янг (James Young) переосмыслил восприятие нефти. Наткнувшись на природное просачивание нефти на шахте в Дербишире, он применил дистилляционный процесс, чтобы превратить «жижу» во что-то совершенно другое и более полезное - очищенную нефть. В последовавшие за этим десятилетия появлялось все больше и больше идей того, как использовать возникший новый продукт, были посеяны семена невероятного бума нефтяной индустрии, а также всех смежных отраслей, пришедших за ней в следующие сто лет.
        Сегодня многие из сотен принимающих решения сотрудников, с которыми мы работаем, с трудом проходят тот же этап переосмысления данных. Мы еще только надеемся наткнуться на того, кто скажет: «Мы полностью контролируем наши данные, полностью осознаем их ценность и жаждем большего. Давайте данные нам!» Пока же, напротив, слышим жалобу за жалобой по поводу цены, сложности и нереализованной ценности, которая зарыта в трясине структурированных и неструктурированных данных. Если спросить почти любого бизнес-лидера крупного индустриального предприятия, он скажет, что видит в своих данных скорее жижу, чем нефть.
        Эти чувства хорошо выразил известный технологический и бизнес-консультант Джеффри Мур (Geoffrey Moore) (автор «Crossing the Chasm» и многих других очень важных книг), заявивший, что «[данные] это обязательства до того, как они стали статьей дохода»^3^.
        Однако управленческие команды сегодняшних бизнес-лидеров, напротив, настроены на «данные вперед», сосредоточены не на продукте или процессе, а на своих новых сырьевых материалах. Их данные - не «жижа», это жизненные соки новой машины, топливо, движущее вперед. И обращаясь к нашей метафоре, как сырьевой материал данные превосходят нефть по нескольким параметрам, как показано в таблице 5.1.
        Таблица 5.1.СВОЙСТВА НЕФТИ И ДАННЫХ
        Управление цепью поставок данных
        Превращение данных в имеющий практическую ценность инсайт произойдет не случайно, но через установку и управление «цепью поставок данных» в бизнесе. Здесь также есть параллели с сегодняшней энергетической отраслью.
        Энергетические компании организованы вокруг трех ключевых видов деятельности: исследование и извлечение, очистка и дистрибуция; часто о них говорят как об апстриме, мидстриме и даунстриме. Нефтяные руководители уже давно признали, что все эти три области довольно сильно разнятся и требуют разных навыков, технологий и бизнес-моделей. Мало кто из руководителей, отвечающих за работу с данными, применяет подобное четкое разграничение подходов. А стоило бы. Далее в таблице 5.2 мы очертим эту сравнительную концепцию.
        Таблица 5.2.ЦЕПЬ ПОСТАВОК НЕФТИ И ДАННЫХ
        Есть несколько важных направлений, по которым данные значительно превосходят нефть.

•ДЕШЕВО «ДОБЫВАТЬ»: по мере того как мир все более оснащается измерительным оборудованием, становится все проще и проще создавать и добывать данные. Например, если вы один раз оснастите измерителями магнитно-резонансный томограф, то стоимость данных со временем снизится до нуля. В этом они противоположны нефти. Если вы пробурите одну большую скважину, вторая не будет намного дешевле.

•БЕСКОНЕЧНЫЕ И МНОГОПОЛЬЗОВАТЕЛЬСКИЕ: нас предупреждали о «пике добычи нефти» (то есть о ее окончании) с того самого момента, как Джеймс Янг начал продвигать среди людей идею ее ценности. До сегодняшнего дня никто точно не знает, как много нефти имеется, но ее точно не станет больше, и без развития технологий доступ становится все труднее^4^. Данные, ваше новое сырье, не залегают глубоко в земле где-то на другом конце света. Напротив, они у вас под ногами и у вас под носом прямо сейчас - нужно просто их взять. И в отличие от угля или нефти, перетягивавших одеяло друг с друга на себя, данные и идеи только увеличивают свою ценность с частотой использования.
        В конце концов, добавление капли нефти к другой просто даст вам две капли. А соединение блока данных, полученных в ходе выполнения операций, с данными клиента или бизнес-партнера может принести огромные преимущества.

•СОБСТВЕННЫЕ ПО ПРИРОДЕ: нефть, по определению, - это товарно-сырьевой ресурс. На Аляске, в Нигерии или в Саудовской Аравии она практически одинаковая - и также оценивается на открытых рынках. С другой стороны, ваши данные - это ваша собственность. Они уникальны и продаются, если вы пожелаете, на закрытых рынках. Если правильно с ними обращаться, они приобретут огромную ценность. Эту частную информацию, в зависимости от масштаба, как рвом, обносят франшизы Google, Facebook и Uber; в наступающие годы ваши собственные данные станут конкурентным «рвом» вокруг вашего бизнеса. Как и в банковском бизнесе, все зависит от того, как просчитать риски, которые не смогут оценить ваши конкуренты. Как в страховании, насколько радикально вы сможете изменить актуарную науку. Как в здравоохранении, сможете ли вы фундаментально изменить результаты для пациента и перезагрузить базовую стоимость.

•ДЕШЕВО РАСПРОСТРАНЯТЬ: строительство системы трубопроводов через Аляску стоило около восьми миллиардов долларов, его владельцы постоянно несут огромные расходы на содержание. Изначально доступ к данным по-настоящему дорог: строительство и обслуживание сотовых сетей не бесплатно и не дешево; однако стоимость доставляемой информации (кино, музыка, данные с автомобильных телематических устройств, статьи робожурналистики, фотографии котов) может многократно возрасти без удорожания стоимости дистрибуции. Перемещение семидесяти пяти тысяч баррелей нефти в час требует трубы определенного диаметра, и не существует ни алгоритма сжатия, ни способа апгрейда, который позволил бы сократить этот объем.

•ЦЕННОСТЬ РАСТЕТ ПО ЭКСПОНЕНТЕ: стоимость нефти - как стоимость любого другого ресурса. Цену на баррель устанавливает рынок, и в одно и то же время каждый баррель стоит примерно одинаково. Это линейные отношения между стоимостью и объемом. Однако данные работают по другой модели. Они следуют скорее по экспоненте. Небольшое количество правильных данных может чего-то стоить, но не много. Когда данных становится больше, что позволяет делать более ценные умозаключения, то стоимость данных вырастает в разы. Netflix не узнал бы о нас много, если бы им пользовались десять человек. И Google работал бы по-другому без миллиардов запросов. Настоящая ценность цифр в том, что, когда ты получаешь достаточно цифр, их стоимость пробивает потолок.
        Этот трехцелевой подход - апстрим, мидстрим и даунстрим - полезный способ подумать об организации своей технологии, составе персонала и методе создания собственной новой машины.
        Бизнес-аналитика: превращение данных в смысл
        Мы верим, что со временем описанная нами структура сбора, очистки и распространения данных будет универсальной практикой. Сбор данных станет стандартизированным, а потому «необходимым, но не достаточным» условием. К 2020 году «Форд» уже не сможет взять верх над «Шевроле», просто оснастив измерительными устройствами автомобильный карбюратор. И также - распространение информации через приложения, внедренные системы станут обыденным делом. В конце концов, победа Google над Bing или Amazon над Walmart.com не имеет почти ничего общего с распространением или интерфейсом, поскольку во многом они похожи. А центральным шагом и главной ареной конкурентных битв станут очистка данных и наделение их смыслом. Именно здесь можно создать и отстоять свое конкурентное преимущество. Именно здесь вам и вашей команде потребуется конвертировать данные в идеи и применить эти идеи к новым коммерческим моделям; именно здесь в схеме появляется бизнес-аналитика.
        Бизнес-аналитику можно определить как инструменты, техники, цели, процессы и бизнес-стратегии, используемые для трансформации данных в готовые к действию инсайты по решению бизнес-проблем и получения конкурентных преимуществ^5^. В нашем «Центре осмысления будущего работы» (Cognizant’s Center for the Future of Work) мы определили, что компания, которая сможет задействовать ценные данные лучше, чем конкуренты, сможет порадоваться среднему снижению затрат примерно на 8,1% и среднему росту доходов примерно на 8,4%^6^.
        Однако прежде чем вы сможете дать своим аналитикам задание проводить анализ, нужно дать то, что надо анализировать; именно здесь все - буквально все, - что способно стать «генератором кодов», вступает в действие.
        Если это стоит больше пяти долларов и вы не можете это съесть, оснастите это приборами!
        Умный телефон, или смартфон, против глупого телефона. Помните глупые телефоны? Черная или бежевая пластиковая коробка с дисковым набором, которая стояла в гостиной ваших родителей? Ладно, где-то в 1980-х они получили кнопочную панель, но это по-прежнему были совершенно глупые, не способные запомнить ни одного номера, отследить звонок или сделать что-то подобное аппараты.
        Зачем мы вспомнили винтажные телефоны? Так, как сейчас мы смотрим на глупые телефоны, мы будем смотреть на сегодняшние стены, столы, стаканы, обувь, машины, зубные щетки, вилки, дома, холодильники, лифты, двери, поезда, телевизоры, кардиостимуляторы, слуховые протезы, кредитные карты, билетные кассы, фонари, спортивные стадионы, кресла в самолетах, рестораны, заводы, дороги, метро, офисы, музеи и так далее в 2025 году. Глупые. Мы будем удивляться, что они не могли адаптироваться к нашим потребностям в реальном времени и не могли помочь выполнить задачи, обеспечив новыми идеями и контекстом - в реальном времени. Таким образом, мы подходим к трансформации умных товаров.
        В сердце этой трансформации лежит инструментирование, оснащение измерительными приборами всего. В связи с тем, что сенсоры становятся все меньше, а кривая цены/работоспособности движется точно по Г. Л. Муру, стало технологически и экономически возможно ставить их во все более и более мелкие объекты^7^. Не только возможно, но обязательно. В конце концов, чтобы знать все обо всем, датчиками надо оснастить все. Стратегическим вопросом должно стать не «Что оборудовать приборами?», а «Чего не стоит оборудовать измерителями?», поскольку отказ от оснащения должен стать исключением, а не нормой. А сделав это, вы не только запустите в своей организации процесс сбора всех данных, но также серьезно увеличите ценность этих оснащенных измерителями предметов.
        Столик на двоих? Или на две тысячи?
        Вот вам один простой пример: простой стол без сенсоров стоит сто пятьдесят долларов в изготовлении и около пятисот долларов в рознице. Оснащенный сенсорами стол можно сделать за двести долларов, а продать потенциально за тысячу долларов. Подумайте об умном столе, который может подстраиваться по высоте под пользователей (как сиденья в автомобиле), заряжать электронные устройства без проводов, позволяет печатать или рисовать прямо на столе, перенося изображение потом на цифровую панель, отображать имя сидящего за ним человека или отслеживать, сидит ли кто-то за ним или нет, и соответственно регулировать отопление и освещение. Любые из подобных возможных сценариев сделают его более ценным для покупателя. При сравнительно небольшом увеличении производственной цены появляются невероятные возможности увеличения дохода и прибыльности. А еще подумайте о «прилипчивости» умного стола. Глупый стол можно заменить без всяких проблем. Однако сделай то же самое с умным столом - и результатом станет внезапное упразднение окружающей персонализации. Например, свет в комнате уже не будет работать, как прежде, и
цифровая панель останется без дела. История предпочтений тех, кто за ним работал, будет утеряна. Стол накрепко «прилипнет» к своим пользователям.
        Если вы возьмете этот обыденный пример чего-то глупого, становящегося умным, и экстраполируете его на «вселенную вещей», воздействие инструментализации предметов будет еще более и более глубоким. Именно поэтому GE делает свои индустриальные мельницы умными; вот как и почему Bosch и Samsung делают умной свою крупногабаритную бытовую технику (например, холодильники и духовки). Именно поэтому происходит всплеск активности по поводу оснащения измерителями людей. Надо признать: мы и сами порой бываем глупыми. Оснащение приборами позволит и нам стать умнее в части многих важных вещей, в том числе таких, как здоровье.
        Преимущество своего поля для больших компаний
        Итак, каждая «вещь» должна быть инструментирована, и потому встает вопрос: у кого больше всего этих «вещей»? Ответ - у типичной 100-летней компании.
        У элиты Кремниевой долины и программных единорогов^8^ нет подобных активов, которые легко преобразовать из глупых в умные. Эта больница, в которой стоят кровати, операционные залы и отделения интенсивной терапии, - все ждет оснащения приборами. В больнице есть пациенты, которых тоже стоит отслеживать. Это не случай каких-то далеких программных стартапов с венчурным капиталом.
        Мы встречаем слишком много традиционных компаний, говорящих, что чувствуют себя неуверенно в расцветающей цифровой экономике, заявляя, что на них давит бремя присущих недостатков (в унаследованных системах и процессах, структуре ценообразования, физических активах, оборудовании, культуре и т. д.). Может быть, и так. Но они также приходят вооруженными фундаментальными и масштабными преимуществами: сейчас владеют всеми своими генераторами данных, «вещами» из своих операций и своими клиентами. От этого преимущества не стоит отказываться и даже при обязательном оснащении измерителями его надо оберегать.
        First Data сегодня в числе первых - с данными
        Еще одна давно сложившаяся компания, что переосмысливает себя сегодня, - это та, с чьими продуктами, вы, вероятно, взаимодействуете каждый день. Компания First Data, базирующаяся в Атланте, в штате Джорджия, производит магазинные терминалы (POS), через которые вы прокатываете кредитную или дебетовую карточку или сканируете мобильное устройство в аптеке, продуктовом магазине или ресторане. Кроме того, компания полностью проводит процесс оплаты после того, как картой провели или вставили ее, для шести миллионов предприятий, четырех тысяч финансовых институтов и правительственных организаций, где она используется, что делает ее крупнейшим в мире оператором эквайринга и эмитентом карт. Только в США First Data проводит почти половину кредитных и дебетовых транзакций. Внешне это не самая эффектная задача, однако абсолютно фундаментальная для бизнеса по всему миру.
        С подъемом финансово-технических стартапов для First Data было важно адаптировать бизнес к скорости изменения технологии оплат, а также к нуждам бизнеса - от новых предпринимателей до основных розничных торговых сетей. Выстраивая стратегию того, как ответить на это нарастающее соперничество, компания First Data поняла, что нужно постепенно менять свою линейку продуктов. В конце концов, подобно телефонным аппаратам былых времен, многие видели в этих устройствах только «глупые кирпичи» для транзакций с кредитными картами.
        First Data процветала на своем бизнесе по проведению оплат десятилетиями, так что не было до конца ясно, стоит ли и дальше инвестировать в продукты POS, по-прежнему ли это хорошая бизнес-модель. Затем в 2013 году генеральным директором First Data стал Фрэнк Бисиньяно (Frank Bisignano). Имея определенное понимание зарождающейся цифровой экономики, Бисиньяно пришел к выводу, что First Data имеет огромное преимущество родного поля: положение компании, как крупнейшего в мире торгового эквайера, обеспечило значительные возможности предприятия, не имеющего аналогов по масштабам выпуска своих POS-терминалов. У этих «глупых кирпичей» потенциально была огромная ценность. Бисиньяно понял, что относительно глупые POS-ридеры могут стать умными - подобно смартфонам, которые потребители услуг носят каждый день в кармане. С оснащенным сенсорами новым оборудованием и сотнями сторонних приложений кирпич POS смог выйти за пределы простого приема оплат и стать вместо этого убедительным инструментом бизнес-менеджмента.
        Имея в виду эти новые возможностии, First Data решила изменить свое положение на рынке с помощью унифицированного ПО нового поколения и «платформы» в виде оборудования, чтобы надежно и безопасно задействовать терминалы для оплаты, бизнес-аналитики и дополнительных коммерческих услуг. Данные о транзакциях, которые способна собрать First Data, позволяют компании знать, кто, что, где, когда и как покупает. Как результат, у компании есть инсайты, например, по поводу того, как поведение покупателя и его лояльность выражается в покупках. Программное обеспечение и оборудование First Data известно как Clover. Линейка продукции включает серию платежных аппаратов с отточенным дизайном, которые одновременно являются инструментами менеджмента, включая набор приложений, служащих множеству бизнес-потребностей: от контроля времени сотрудников и учета товаров до заказа товаров ко времени.
        Постепенно операционная система и оборудование Clover от First Data радикально изменила то, как ее видели на рынке. Вместо простой платформы для транзакций с кредитными картами First Data смогла стать настоящим партнером для ритейлеров, предлагая инновационные коммерческие технологии. Этот пример показывает, как все данные могут собираться и передаваться новым умным кирпичикам, показывает, что небольшой аппарат может вести к более значительным открытиям, чем те, что может сделать весь персонал магазина. Руководители First Data смогли понять ценность данных и с удвоенной энергией работают на новых «умных терминалах». Их новейшие системы Clover - это ворота в мир платформы, позволяющей компании помогать продавцам управлять цепью поставок и сотрудниками, предлагать программы лояльности, повышать безопасность и, да, кстати, проводить платежи.
        Этот прием из джиу-джитсу - взять то, что кажется недостатком, и превратить в преимущество - может служить примером того, как «доцифровая» компания пытается модернизировать себя. НАСТОЯЩАЯ ЦИФРОВАЯ ЭКОНОМИКА, ПО СУТИ, МОЖЕТ ПРЕВРАТИТЬСЯ ИЗ БИЗНЕСОВ «ВСЕЗНАЕК» В ЭПОХУ «МЕСТИ 100-ЛЕТНИХ КОМПАНИЙ». У American Express, например, куча данных, накопленных этой замкнутой системой за десятилетия работы в качестве эмитента, андеррайтера и оператора транзакций покупателей. Авиалинии, банки и страховые компании (некоторые еще со времен, когда президентом США был Мэдисон) - все имеют ценные данные, готовые к тому, чтобы их извлекли и очистили.
        Это хорошие новости, но серьезная угроза для тихих ткацких станков. Единственное преимущество нефти перед данными в том, что она вне времени. Нефть под землей почти такая же, какой была сто лет назад, такой же она будет и через пятьдесят лет. Хотя ее стоимость будет сильно колебаться в связи с коммерческими баталиями, протекающими между нефтяными странами по всему миру, сама нефть от этого не изменится. Однако преимущество богатых данными традиционных компаний весьма скоропортящееся. Если вам кажется, что мы слишком драматизируем, посмотрите вокруг. Бизнесу такси уже несколько столетий, но Uber сегодня собирает огромное количество данных из ресурсов, которыми владеют другие - мы, водители, Google Maps и так далее. Эти данные интегрируются в платформу Uber, и теперь он применяет свою новую модель не только для такси, но и для хостинга других продуктов и услуг (вакцины от гриппа, щенки, еда, яхты, вертолеты и многое другое на подходе)^9^. Используя новые сырьевые материалы, Uber играет в новую игру в современной коммерческой эпохе.
        Умные новаторы уже задумываются о том, как собрать данные, достойные десятилетий, за одну ночь. Лидеры будут работать на то, чтобы собрать и оценить эти данные уже сейчас, либо им придется довольствоваться результатом «сожалеем, спасибо за игру».
        Данные - это работа номер один
        У нас троих, в консультационных путешествиях, был ограниченный одним вопросом тест, чтобы определить цифровую готовность компании: одержима ли управляющая команда, с которой мы работаем, данными или нет? Этот «тест отсчета данных» для нас как проверка: «Как быть уверенными, что они относятся к цифровым системам серьезно? Потому что они всегда начинаются там, где начинаются данные».
        Те, кто всерьез прогрессирует в сторону того, чтобы «быть цифровыми», верят в данные все больше, признают их как источник идей и преимуществ, и на то есть причины. В нашем недавнем исследовании участвовало около двух тысяч компаний по всему миру с общим доходом примерно в семьдесят три триллиона долларов^10^, и опрошенные руководители признали, что уверенная треть доходов в их отраслях - двадцать триллионов долларов - скоро будет затронута цифровыми технологиями^11^. Это множество людей, вещей и событий, действующие как генераторы кодов. И это много идей - стоимостью двадцать триллионов долларов.
        Наступает настоящая эпоха всезнаек. Однако без правильной бизнес-модели, которая поддержит ваши новые машины, питающиеся данными, вы не сможете продвинуться дальше. Теперь давайте исследуем третью М - цифровые бизнес-модели.
        Глава 6
        Цифровые бизнес-модели: Ваши пять способов побить Кремниевую долину
        Кремниевая долина наступает. Существуют сотни стартапов с множеством мозгов и большими деньгами, работающими над различными альтернативами традиционным банковским услугам. Чаще всего вам приходится сталкиваться с этим в кредитном бизнесе, где определенные фирмы предлагают очень быстро и - как они считают - эффективно кредитовать физических лиц и бизнес, используя Большие данные для обеспечения безопасности кредита. Они очень хороши в сглаживании «болевых точек», так как могут выдать заем за минуты, а у банков это может занять недели. Мы планируем усердно работать над тем, чтобы сделать наши услуги такими же гладкими и конкурентоспособными, как их.
        ДЖЕЙМИ ДАЙМОН(Jamie Dimon), председатель и генеральный директор JPMorgan Chase, ежегодное послание акционерам, 2016 год
        Кремниевая долина подступает и к ВАШЕЙ компании. ЦИФРОВЫЕ НАРУШИТЕЛИ СПОКОЙСТВИЯ В ВАШЕЙ ОТРАСЛИ ВООРУЖЕНЫ НОВЫМИ МАШИНАМИ, ЗАПРАВЛЕННЫМИ ДАННЫМИ. Как мы обозначили в предыдущих двух главах, вы можете сделать то же самое и, если подойдете к этому правильно, то даже с большим успехом.
        С учетом вышесказанного использования исключительно силы новой машины недостаточно. Последний кусочек пазла и основная определяющая успеха - это окружение вашей компании правильной бизнес-моделью.
        Десять лет назад вам пришлось научиться соперничать с «китайской ценой», так как глобализация безжалостно тащила цены на товары вниз. Сегодня ваш бизнес должен предпринять еще один шаг к переменам, научившись конкурировать с «ценами Google», не говоря уже о «скорости Google». В этой погоне в настоящее время большинство промышленных бизнес-моделей оказываются слишком медленными, дорогими и громоздкими. Перед лицом цифровой конкуренции они крошатся под собственным весом.
        Что мы имеем в виду под «бизнес-моделью»? Это архитектура процесса и соответствующая организационная модель, с помощью которой ваша компания участвует в конкурентной борьбе. Это то, как страховщик обрабатывает заявление, как банк определяет размер автокредита или как ритейлер управляет сетью поставок и зарабатывает на этом деньги. Сегодня в подавляющем большинстве случаев эти ключевые аспекты бизнеса вдруг стали очень архаичными.
        Во многих давно сложившихся компаниях эти бизнес-модели и обеспечивающие их процессы сформировались задолго до того, как на сцену вышли цифровые технологии. В те времена интеллектуальный труд не мог был виртуализирован, собран воедино и немедленно передан правильным людям в правильном формате (только представьте создание эквивалента Facebook поколение назад - без Интернета, смартфонов или реляционных баз данных). А потому интеллектуальная работа по структуре очень напоминала работу ручную, следовательно, мы часто оказывались в пучине кабинетиков - в больших помещениях, в пригородных офисных зданиях, под флуоресцентными лампами, - где работники перекладывали бумажки из стороны в сторону. В Ford Motor Company в 1930-х годах бухгалтерский персонал был организован по модели конвейера Ford River Rouge (см. рис. 6.1 и 6.2). Тейлоризм, родившийся на заводе, нашел свой путь и в офис, установив фокус в первую очередь на эффективность и качество ручного выполнения умственного труда.
        И хотя тогда эти структуры были оправданны, скоро мы будем оглядываться назад и удивляться: «Почему мы делали это именно так?» Хорошую характеристику в контексте новостного бизнеса дал Уоррен Баффетт (Warren Buffett):
        Если бы господин Гутенберг тогда, в конце XV века, появился с Интернетом вместо наборного шрифта, и следующие четыреста лет мы использовали бы Интернет для новостей и всевозможных развлечений, да и вообще для всего, а потом однажды пришел бы я и сказал: «У меня есть прекрасная идея. Мы срубим несколько деревьев в Канаде, привезем их на бумажную фабрику, что будет стоить целого состояния, сделаем газетную бумагу, потом доставим это в какое-нибудь газетное издательство, заставим кучу народа остаться на ночь и что-то писать, а на следующий день пошлем толпу ребятишек разносить все это по городу, и тогда мы точно прогоним прочь весь этот Интернет»… то этого не произойдет^1.^
        Конечно, такой сценарий звучит абсурдно. Однако скоро вы будете смотреть на некоторые аспекты бизнеса с таким же недоверием, с каким Баффетт смотрит на газетную индустрию.
        Этот скептицизм присущ некоторым вашим работникам. Поколение двухтысячных, подождав, пока «в окошке» появится ответ, скорее разочарованно спросит: «Почему же для этого просто не сделают приложения?» Для поколения, по умолчанию цифрового, заполнять форму на получение ипотеки в трех экземплярах кажется верхом безумия.
        Нужно сказать, есть веские причины в защиту многих организаций, чтобы проверенные временем процессы укреплялись и трудно поддавались переменам: контроль качества, отраслевые знания, противодействие мошенничеству, законы. И конечно, ежедневный поток дел, с которыми необходимо справляться, - управление поставками, взаимодействие с клиентами, обработка заказов, управление наличными средствами, - способствует желанию отложить перемены до другого раза. Стабильность заслуживает восхищения, но в условиях цифровой экономики такие рассуждения могут привести к остановке роста.
        Рисунок 6.1 и Рисунок 6.2. Конвейеры умственной и физической работы
        А с повсеместным наступлением новых машин, о котором мы говорили в предыдущих главах, застой - уже не жизнеспособное состояние. Конкуренты, новые и старые, не только смогут извне менять правила игры, обеспечивая клиентам серьезно улучшенный покупательский опыт через приложения, оснащенные измерителями продукты и продвинутую аналитику для индивидуального клиентского менеджмента, они также начнут менять основу этой конкуренции изнутри, используя новую машину для перепрошивки коренных внутренних процессов. Сделав это, конкуренты фундаментально изменят базовую стоимость, а также скорость выполнения операций и способность получать инсайты по всем аспектам бизнеса. Действительно лучше, быстрее, дешевле. Очень просто: перед лицом новой машины основанные на ручном труде умственные процессы имеют мало шансов.
        Что вы планируете предпринять по поводу всего вышесказанного? Как заставите свою компанию двигаться вперед? В конце концов, второй по важности источник застоя - слишком большое число идей, как противостоять цифровой угрозе. Мы называем это «кататонией от какофонии». Вам, вероятно, доводилось присутствовать на встречах, которые в скором времени перетекают в дебаты. Некоторые могут указывать цифровых лидеров, советуя: «Давайте станем Аmazon нашей индустрии». При этом другие думают: «Звучит вдохновляюще. Правда, я понятия не имею, что это значит».
        Третьи выступают за то, чтобы начать с малого, запустив несколько пилотных программ. Звучит разумно, пока кто-нибудь в комнате не скажет: «Даже в самых лучших условиях, если мы растянем рост этих пилотов на следующие три года, это не продвинет нас ни на шаг». Тут можно возразить: «Мне надоело слушать о цифрах. Это для других отраслей, не для нас. Давайте просто вернемся к тому, что всегда делали лучше всех». Половина комнаты оборачивается обратно с недоверием в глазах. Вам не нравятся все варианты, но необходимо возвращаться к повседневным обязанностям до следующей, посвященной стратегиям развития встрече. Ну и как не угодить в застой?
        Гибрид - новый черный
        Сначала давайте очертим рамки проблемы. Слишком часто разговоры «становиться цифровыми» строятся вокруг двух участников: «индустриальные фирмы прошлого» против «цифровых фирм будущего». Это чрезмерное упрощение.
        С «имеющими значение цифрами» победной будет гибридная бизнес-модель: отчасти физическая, отчасти цифровая. Авиалайнеру будущего по-прежнему нужно будет доставить Dreamliner Боинг-787 на двести восемьдесят тонн и триста мест из Нью-Йорка в Лондон. При этом значительная часть пассажирского опыта и связанных с полетом операций - до полета, во время и после него - будут оцифрованными. В больнице также всегда будут требующие личного присутствия реанимация, операционная, отделение интенсивной терапии и палаты для выздоравливающих, однако все будет серьезно оснащено измерительным оборудованием и оцифровано. Некоторые процессы будут выглядеть почти так же, как выглядят сегодня, в то время как другие станут полностью автоматизированы и будут неузнаваемыми.
        В связи с этим ваша задача по построению бизнес-модели отличается от, скажем, создания Twitter. У вас есть производственный бизнес с существующими процессами, системами и культурой, которые должны перейти в бленд, смесь, гибрид, с точными пропорциями производственного и цифрового. Но что куда пойдет? Что останется физическим и что станет цифровым? А что превратится в смесь физического и цифрового и в какой концентрации? Рассмотрим пример.

• Посмотрев на покупательские каналы, как, вы считаете, где должны остаться люди (специалисты по продажам, розничные магазины и т. д.), а что должно стать виртуальным? Должен ли, например, розничный банк сокращать сеть отделений, переводя клиентов в Интернет и в приложения?

• Каких коммерческих моделей надо придерживаться с вашим портфолио продуктов? Стоит ли начать переформировывать свои продукты в цифровые услуги, подобно Uber (машина как услуга), Airbnb (проживание как услуга), WeWork (пространство как услуга), Netflix (кино как услуга), Nike (персональный менеджер здоровья как услуга) и GE (промышленная долговечность как услуга)?

• Где, учитывая ваше портфолио процессов, новая машина может заметно разогнать эффективность? Вы начнете с коренных процессов или с контекстуальных? Как вы структурируете эти инициативы? Вы создадите «новую компанию», ведущую два параллельных процесса, или попытаетесь преобразовать текущий операционный процесс (о чем часто говорят «поменять двигатели самолета в процессе полета»)?
        Всего этого достаточно, чтобы у вас волосы зашевелись на голове. Создание и внедрение новой бизнес-модели может выглядеть пугающе. Однако именно из этого рождаются лучшие практики. В нашей работе с примерно ста компаниями, пытающимися совершить этот переход, в дополнение к изучению тысячи других компаний, путь к переводу бизнес-модели в цифровое поле становится ясным.
        В оставшейся части этой главы мы обрисуем путь к построению выигрышной гибридной бизнес-модели будущего. Всю нашу работу можно разделить на два больших участка идей по поводу этого цифрового перехода:

1. Избегать ошибок: четыре ловушки, которых стоит избегать, совершая цифровую трансформацию.

2. Двигаться ВПЕРЕД (AHEAD): пять способов обуздать новую машину.
        Давайте начнем с рассмотрения основных путей, по которым трудно проходят цифровые инициативы.
        Обойти четыре ловушки
        Работая над цифровым переходом, с таким большим количеством клиентов, как у нас, выделим следующие четыре самые большие ловушки, связанные с переделкой бизнес-моделей, в которые постоянно попадают руководители даже с самыми лучшими намерениями:

1. Ловушка «Делать по-цифровому» вместо «Быть цифровыми».

2. Ловушка FANG.

3. Ловушка «Вскипяти океан».

4. Ловушка отрицания.
        Давайте рассмотрим их более детально.
        Ловушка 1: Найти легкий выход из «Делать по-цифровому» вместо «Быть цифровыми»
        Мы слишком часто видим поверхностное использование цифровой технологии, как, например, наложение мобильного пользовательского интерфейса на существующее корпоративное программное приложение, поддерживающее производственный бизнес-процесс. Это быстро, это дешево, это низкорискованно. Но похоже на то, чтобы лезть на дерево за луной: вы убеждаете себя, что совершаете прогресс в сторону цифровых целей (и технически все именно так), однако никогда этой цели не достигнете.
        Мы часто видим, как менеджеры берут машины четвертого поколения и затыкают ими прорехи в бизнес-моделях третьего поколения. А потом удивляются, что не создается дополнительной ценности.
        Мы называем это явление «Делать по-цифровому» - менеджеры просто приклеивают цифровые решения на индустриальные бизнес-модели. Вот как описал эту проблему Рикард Густавсон (Rickard Gustafson), генеральный директор Скандинавских авиалиний (SAS):
        Для нас это не то, чтобы наложить свинье немного помады и попытаться представить клиенту красивый портал. Вам нужны эффективные инструменты. Вам нужны эффективные веб-предложения. Вам нужно приложение. Вам нужно связываться с клиентами через эту платформу, но главное для нас по-прежнему то, как вы автоматизируете и оцифруете изнанку SAS^2^.

«Оцифровать изнанку SAS». Перевести? Переосмыслить, перепроектировать и перестроить опорную бизнес-модель. Быть цифровым. Чтобы добиться по-настоящему небывалых результатов, что вполне достижимо (о чем мы говорим на протяжении всей книги), опорная бизнес-модель должна быть насквозь цифровой, с потоком технологических процессов и опорными организационными структурами, основанными на цифровых, а не промышленных принципах.
        Ловушка 2: Ловушка FANG
        Многие пытались подражать разработчикам FANG или технологиям богатых стартапов. Казалось бы, в этом есть смысл: сегодня они мастера цифры, и мы смотрим на этих игроков с должным почтением. Проблема здесь не только в том, что это не работает, а в том, что мы видели несколько случаев, когда это контрпродуктивно. Эти компании не из вашей, а из других областей, у них другие начальные и конечные задачи.
        Допущение, содержащееся в открывшем эту книгу вопросе («Мы все будем Уберизированы?»), означает «Как нам стать, как Uber?». В подавляющем большинстве случаев это неправильный вопрос, и на самом деле во многих случаях он даже опасен. Фирмы, пытающиеся стать «Аmazon своей отрасли», чаще уничтожили ценности, потратили время, деньги и личную репутацию.
        Почему? Очень просто - потому что разработчики FANG играют в другую игру. Они:
        а) в отличной от вашей отрасли;
        б) имели другую стартовую площадку;
        в) идут к другой цели.
        Они выстроили свой цифровой бизнес с нуля, создавая чисто цифровую компанию. Ваши трудности в другом. Вам нужно перейти из положения индустриального лидера в цифровую/индустриальную гибридную организацию. У вас другая стартовая площадка, уставная база процессов, продуктов и культуры находится в индустриальной эре. Наверное, еще более важно, что у вас другая конечная цель. Задача не в том, чтобы быть цифровым посредником, как Airbnb, или стать платформой социальных сетей, таких как Facebook или Twitter.
        По нашему мнению, слепая имитация FANG похожа на то, как если бы финансовый директор задался вопросом: «Что бы в такой ситуации сделал Джеймс Леброн?» Звезда баскетбола абсолютно блестяще разбивает зонную защиту в напряженный момент матча плей-оф. Однако он вряд ли окажется полезен финансовому директору, пытающемуся создать, скажем, новую корпоративную дивидендную политику. Он играет в другую игру.
        Таким образом, есть несколько важных моментов игры FANG, применимых к вашему бизнесу, которые необходимо знать заранее. Они таковы:

•НОВЫЕ ОЖИДАНИЯ ПОКУПАТЕЛЯ. Онлайн-опыт, предлагаемый разработчиками FANG, элегантный, простой и легкий в использовании. Он высоко персонифицирован, обеспечивает избирательное содержимое и организованный опыт. В связи с этим ожидания от вашего продукта теперь сопоставляются с ожиданиями от FANG. Именно поэтому, например, столь многие сегодня замечают: «Мой смартфон за триста долларов такой умный, а моя машина за тридцать тысяч - такая глупая». Этот разрыв между ожиданиями и опытом в ближайшие годы закроется.

•ВЕРА В ДАННЫЕ. У игроков FANG сложилась культура глубокого доверия данным. Проблема может показаться надуманной, но на самом деле она очень глубокая, центральная для понимания, как должна управляться цифровая компания. В индустриальных компаниях существует много моделей принятия решений. Например, культура, идущая за личностью («Почему мы приняли это решение? Потому что так сказал наш директор!»). В некоторых кругах эта культура известна как HIPPO - highest paid person’s opinion, или «мнение самого высокооплачиваемого человека». Некоторые культуры движут договоренности, сделки: вспомним инвестиционные банки и Голливуд. Эти факторы и впредь останутся важными, но в цифровом бизнесе все должно эволюционировать в сторону объективных данных и того, что они говорят о продукте, людях и результатах.

•ПРИВЛЕЧЕНИЕ СИЛЫ НОВОЙ МАШИНЫ: все лидеры FANG - убежденные пользователи ИИ. Генеральные директора всех этих компаний постановили - тем или иным способом, - что их компании «первые в ИИ». Копируйте это. Отправьте свои команды на «цифровое сафари» в Кремниевую долину, чтобы, по крайней мере, получить инсайт в самый современный, действующий на должном уровне ИИ.
        Ловушка 3: Вскипятить океан
        Этот третий пункт часто самый сложный. Мы признали лучшей практикой оставлять начальные проекты относительно небольшими. Многие очень амбициозные менеджерские команды решают «ставить все» на цифру. Они собирают людей, сообщают о своих планах совету директоров и решительно заявляют о намерениях внутри компании и за ее пределами (что-то даже, может быть, написано на вашей футболке или коврике для мыши). Потом, года через два, люди начинают задавать главные вопросы: «Как там с цифровым планом? Как он изменил основные показатели, такие как продажи и прибыль? Сколько сейчас клиентов на платформе?» Такие вопросы часто заставляют того, кому они адресованы, чувствовать себя неловко, выдавать себя долгим взглядом в сторону ботинок. Так что даже заряженные добрыми намерениями и хорошей ресурсной базой эти инициативы иногда не работают.
        Этот совет - не стандартный и не единый для всех. Бывают моменты, когда цифровая функциональность компании (в связи со структурой отрасли или конкурентных действий) оказывается глубоко позади. В таких случаях необходимо применить подход «побеждай или уходи»: такой высокорискованный подход оправдан, если компания оказывается в ситуации вечно отстающих. Однако более 80% оставшихся компаний мы рекомендуем начинать с малого.
        Начиная с малого, найдите участок процесса, организационно простой, с технически ясным цифровым применением, и добейтесь быстрого успеха. Также создайте команду цифровых единомышленников-энтузиастов. Эта команда должна сформироваться по принципу естественного отбора. Как показывают лучшие практики, не надо никого убеждать присоединиться к команде. Если кто-то высказывает скептицизм или считает новый подход в чем-то слишком рискованным, пройдите мимо.
        Когда этот цифровой спецназ начнет вместе добиваться каких-то побед, движение пойдет по инерции. Вспомните слова генерала Конфедерации «Каменной Стены» Джексона, который во время американской гражданской войны сумел смутить Союз рядом побед, несмотря на то что имел худшие ресурсы:
        Никогда не сражайтесь против превосходящих сил, если путем любого возможного маневрирования можете бросить свои силы только на часть, и на слабейшую часть, войск врага и сокрушить ее. Эта тактика будет выигрывать всегда, и таким образом маленькая армия может уничтожить большую… а повторяющиеся победы сделают ее непобедимой^3^.
        Мы сочли такой подход к изменению цифровой бизнес-модели наиболее эффективным. Найдите скромные цели в ключевых процессах. Посвятите им всю энергию своих лучших бизнес-аналитиков и техников. После серии цифровых успехов под их коллективным руководством вся организация обретет уверенность в этом подходе. Маленькие изменения будут иметь большие последствия.
        Вернувшись к цитате Джейми Даймона, открывшей эту главу, вы увидите, что он отметил нечто жизненно важное в генерации цифровой бизнес-модели: цифровые стартапы «очень хороши в сглаживании «болевых точек», так как могут выдать заем за минуты, а у банков это может занять недели». «Сгладить болевые точки» - это не «вскипятить океан». Даймон не сказал «перестроить весь процесс» или всю организацию. Вместо этого он советует найти конкретные болевые точки, в которых можно найти облегчение и освобождение с помощью цифровых технологий.
        Рисунок 6.3. Потенциал всепроникающего процесса: Актуальная цифровизация vs Пилоты в полете
        Мы опросили более трехсот европейских и американских руководителей, чтобы понять, как и где они применяют цифровые инструменты и техники для оптимизации своей деятельности. Как показано на рисунке 6.3, мы обнаружили, что фокус на устаревших процессах, бутылочных горлышках и проблемных точках до настоящего времени является лучшим способом оздоровления деловой деятельности и улучшения опыта клиентов, партнеров и сотрудников^4^.
        За время своих исследований мы нашли ряд способов, какими компании применяют то, что мы называем «акупунктурой цифровых процессов»:

• страховщики делают снимки с дронов, чтобы уменьшить риски андеррайтеров и приблизить их к реальным нуждам клиента;

• ритейлеры используют цифровые кошельки и технологии маяков-биконов, чтобы информировать покупателей и поднимать розничные продажи;

• производители используют сенсоры, «Интернет вещей» и радиочастотную идентификацию, чтобы в реальном времени отслеживать и направлять цепь поставок.
        Когда организация определяет точки давления и таргетированным способом применяет цифровые решения, маленькие успехи выстреливают большими результатами. Наше исследование показало, что компании, применяя цифровые инструменты и техники, срезают примерно 8% «жирка», как снижение цены, а также выстраивают цифровые «мускулы» в виде роста доходов на 10%. В сумме улучшение цифрового процесса с помощью таргетированных, узких шагов у изученных нами компаний выливалось в положительный итог в 18%. Очень важно распространить этот высококонцентрированный подход на остальные организации, поскольку:

• значительно выражено снижение цены;

• ускоряются сроки внедрения улучшений;

• устраняются проблемные области.
        Мы обнаружили, что больше половины респондентов отметили: результатом связанных с цифровыми процессами инициатив стала значительная интеграция уровней производственно-сбытовой цепи. (Мы дадим более подробные рекомендации по поводу того, с чего начать такую работу, в главе 7.)
        Ловушка 4: Ловушка цифрового отрицания
        Цифровые отрицатели любят говорить: «Мне нравится то, что принесла в мою частную жизнь Кремниевая долина. И да, некоторые области цифра затронула очень значительно. Но мы так делать не будем. Наша отрасль другая». Такие мысли опасны, те, кто их озвучивает, находятся в отраслях, которые еще не были полностью цифровизированы.
        Цифровая революция распространяется неровно. Поэтому некоторые отрасли и их опорные бизнес-модели (например, газеты, карты, книги) уже были трансформированы, в то время как другие (например, энергия и коммунальные службы) до сих пор относительно нетронуты.
        Чем это объясняется? Есть множество факторов, в том числе структура отрасли, природа продукта или услуги и законодательные ограничения. Однако, по нашему мнению, первичный фактор - это количество данных, которыми кишит бизнес.
        В природе со значительным изменением температуры элементы нестабильны и изменяются, чтобы вновь обрести гармонию в своей среде. Многие виды бизнеса подобным образом становятся нестабильными в наш век гиперсвязанности. Но как подъем температуры вынуждает к соответствующим изменениям (например, лед превращается в воду), так и быстрый подъем количества информации приводит к структурным изменениям во многих корпоративных моделях.
        Каждый год в Новой Англии смена сезона приводит к тому, что зимние ледяные площадки превращаются в пруды для плавания. Но, катаемся ли мы на коньках, плаваем в воде или просто рассматриваем облака, целостность воды во всех этих формах не ставится под вопрос. Вода есть вода - независимо от ее состояния, это всегда две молекулы водорода и одна кислорода. Важно, что мы изначально понимаем стабильность каждой формы, данной в окружающей среде.
        Есть ощутимая параллель между природным состоянием вещества и присущим, или природным, состоянием организации. И если состояние вещества природным образом изменяется с ростом температуры, то состояние организации должно меняться со значительным ростом количества информации (см. рис. 6.4).
        Рисунок 6.4. Точки плавления в природе и в бизнесе
        К сожалению, многие управленцы сегодня пребывают в растерянности. Они сосредоточены на состоянии своей организации, а не на ее сущности. Например, руководство Borders Group, Inc., Blockbuster LLC и других розничных предприятий определило себя как физических ритейлеров, продающих книги и сдающих фильмы на прокат, вместо того чтобы быть провайдерами книг и фильмов, которым надо принять соответствующую для рыночного контекста форму. Неправильная концепция бизнеса оказалась для них смертельным ударом на существующих рынках.
        Если отрасль еще не столкнулась с этим структурным вызовом, то только потому, что у вашего сектора, как у вещества в природе, другая «точка плавления». Именно поэтому столь многие руководители, которых еще не накрыло технологической волной, делают заявления, подобные этим: «Это все про книги или музыку, наша отрасль другая». Например, вода тает при 0° по Цельсию, а алюминий - при 660 °C и олово при почти 321 °C. И как ни одно вещество не защищено от плавления, так и ни одна отраслевая структура не защищена от сегодняшнего информационного взрыва.
        Поэтому до настоящего момента этой главы мы описывали четыре больших убийцы цифровых инициатив. Теперь давайте обернемся к более оптимистичной перспективе и выделим пять подходов к построению выигрышной цифровой бизнес-модели.
        Пять способов добывать золото из новой машины
        Для компаний, работающих на достижение AHEAD, существует не одна форма трансформации бизнес-модели - их пять. Далее последует короткое описание каждой из них, и, готовясь ко второй части книги (которая гораздо больше ориентирована на применение и где мы рассмотрим каждый участок более детально), подумайте, какой набор операций или потенциальных цифровых инициатив подходит под каждую категорию.

•АВТОМАТИЗАЦИЯ (AUTOMATE). Какой следующий уровень автоматизации вы можете применить к нынешним процессам с участием человека? Можете ли вы применить наделенных ИИ виртуальных собеседников или подобные киоски в сервисных центрах или на стойках регистрации? Можете ли вы построить машину с автоматизированными процессами, которая ускорит процесс так, как банкомат когда-то ускорил выдачу наличных? Если ваша компания типична, то, наверное, есть с полдюжины процессов, созревших для роботизированной автоматизации процессов (РАП).
        В главе 7 мы описываем быстрый сдвиг, в результате которого новая машина станет управлять большинством, если не всеми, участками некоторых ключевых процессов. Среди них такие, как обработка заявлений, платежи и поступления, юридическое раскрытие информации, служба поддержки при чрезвычайных происшествиях, управление сетевой безопасностью и значительная часть работы с клиентами и услугами.
        В следующие пять лет они станут новым полем битвы для снижения издержек и улучшения результативности с помощью новой машины - ставки будут высоки, а экономические стимулы очень существенны. Например, с началом использования РАП мы обычно видим снижение издержек в ежедневных операциях по коренному процессу на 60%, при этом число ошибок падает почти до нуля. И хотя такой результат достоин попадания в газетные заголовки, как в хорошие, так и в плохие, это лишь начало истории автоматизации.

•ОРЕОЛ (HALO). Какие продукты вы можете окружить цифровым ореолом с помощью оснащения приборами, создавая тем самым новые коммерческие модели? Какие глупые объекты могут стать умными? Какие данные, помогающие «увидеть» вещи, бывшие прежде невидимыми, как, например, производительность лопасти ротора в турбине, вы можете извлечь?
        В нашей книге «Code Halos» мы говорили, что у любого имени существительного - человека, места или вещи - есть цифровая и физическая сущность, мы предсказывали, что к 2020 году каждый продукт, стоящий более пяти долларов, который вы не можете съесть, будет инструментирован^5^. Марк Андреессен (Marc Andreessen) пошел еще дальше, предположив, что через двадцать лет чип будет имплантирован в каждый физический предмет^6^. Так что вы по умолчанию должны размышлять над инструментированием, оснащением измерителями всех ключевых продуктов и машин в вашей бизнес-модели и над окружением их ореолом. В главе 8 мы объясняем, как извлечь из этих действий коммерческую ценность.

•ДОПОЛНЕНИЕ (ENHANCE). Какие человеческие усилия могут быть дополнены новой машиной, выводя на новые уровни рабочей производительности и клиентской удовлетворенности? В главе 9 мы описываем, как машина становится новым «коллегой» сотрудников вашего фронт-офиса, расширяя возможности и помогая вашей компании достичь совершенно новых порогов производительности.

•ИЗОБИЛИЕ (ABUNDANCE). Как вы можете применить новую машину, чтобы опустить вниз ценовой уровень продуктов или услуг и быть в состоянии конкурировать и побеждать на рынке с низкими ценами и большими объемами - на обильном рынке? Какой из ваших продуктов или услуг можно было бы продать с использованием новой машины в десять раз дешевле? Не на 5% меньше, а на 90%. Это может звучать безумно, как рекомендация, направленная на уничтожение ваших доходов. Но что, если это приведет к новому изобилию, к рынку, что будет в сто раз больше текущего? В главе 10 мы приводим тактики для поиска ваших собственных изобильных рынков.

•ОТКРЫТИЕ (DISCOVERY). Какие области настоящих изобретений доступны вам сегодня? Сколько внимания и какую часть бюджета вы готовы потратить на инициативы, которые не окупятся в этом году, однако имеют огромный потенциал в последующие годы? Если это количество почти равно нулю, вполне вероятно, что в будущем у вас будут проблемы с тем, насколько вы там уместны. В 1910 году, когда Ford Model T только набирала популярность, немногие могли предвидеть, какие откроются новые рынки. Кто мог предсказать пригороды, розничные сети (такие как Walmart), фаст-фуд (например, McDonald’s) и национальные гостиничные сети (Holiday Inn и проч.)? Однако все это были изобретения, вышедшие из первоначального изобретения автомобиля массового производства.
        Обычно те, кто успешен в цифровых начинаниях, ясно и четко определяют для себя цели. Они балансируют все пять ценностных рычагов, будь то автоматизация бизнес-процесса, снижение цены существующего продукта через сбор окружающей информации, расширение человеческой деятельности с помощью цифровых инструментов, организация массового спроса на ваш рыночный продукт или создание абсолютно нового предложения на основе технологичного изобретения. Далее они используют для достижения цели правильные команды, методы и бюджеты. Каждый результат требует собственного пути для цифрового преобразования, на этой цели должна быть сосредоточена вся имеющаяся энергия. Не существует универсальной для всех модели, и наивно не признающие этого компании быстро попадут в неприятности.
        Управленческая возможность для поколения
        В индустриальной модели мы видим много лидеров, активно инвестирующих, чтобы стать гибридными. В этой книге много уроков по построению гибридов: GE, Philips, McGraw-Hill, Nike, Under Armour, Toyota. Посмотрев на высказывания директоров, легко увидеть модель их восприятия ситуации.

• «Абсурд, что ты знаешь больше о своей машине, чем о своем теле… [Приложение Under Armour Connected Fitness] фундаментально повлияет на всеобщее здоровье». Кевин Плэнк (Kevin Plank), генеральный директор Under Armour^7^.

• «Если мы хотим быть уверенными, что здравоохранение останется широко доступным и будет по карману будущим поколениям, нужно радикально переосмыслить то, как мы его обеспечиваем и управляем им… и применить технологии, которые позволят реализовать эти перемены». Франс ван Хаутен (Frans van Houten), генеральный директор Royal Philips^8^.

• «Индустриальные компании находятся внутри информационного бизнеса, хотят они того или нет… Добавьте к этому серию решений, которые должна принять каждая компания: «Отдам ли я все это на аутсорсинг? Сделаю ли я это сам? Изменю ли я соответственно бизнес-модель?» Решения, которые принимали в General Electric, заключались в том, что мы хотим находиться внутри всего этого». Джефф Иммельт (Jeff Immelt), генеральный директор General Electric^9^.

• Toyota Connected поможет нашим покупателям освободиться от тирании технологии. Программа сделает жизнь людей легче и поможет нам вернуться к нашей человечности. От телематичесаких сервисов, которые заучивают ваши привычки и предпочтения, до адаптированных моделей страхового ценообразования, отвечающих актуальным схемам использования автомобиля, и транспортных сетей связи, позволяющих делиться информацией о состоянии дорог и трафике, - наша цель предлагать услуги, делающие жизнь проще». Зак Хикс (Zack Hicks), генеральный директор Toyota Connected^10^.

• «Давно, когда я пришел в компанию, мы были производственной корпорацией. Мы идем вперед, и я хочу, чтобы нас знали как производственную, технологическую и информационную компанию. Поскольку наши транспортные средства становятся частью «Интернета вещей» и покупатели готовы делиться с нами этими данными, мы хотим использовать их для того, чтобы сделать жизнь людей лучше. А также создать некоторую бизнес-модель, которая поможет нам получить доход. Именно туда мы и направляемся». Марк Филдс (Mark Fields), генеральный директор Ford Motor Co^11^.

«Радикально переосмыслить». «Фундаментально повлиять». «Помочь нам вернуться к нашей человечности». «Мы хотим находиться внутри всего этого». Эти слова сказаны руководителями, выполняющими сложную работу по подключению своих компаний к Четвертой индустриальной революции, по поиску и применению новых бизнес-моделей.
        Это управленческий вызов поколению. Давайте теперь изучим, какие совершить действия, чтобы принять этот вызов успешно.
        Глава 7
        Автоматизировать: Роботы не наступают - они уже здесь
        Когда вы в последний раз ходили в банк и выписывали чек на получение наличных? Ходили в туристическое агентство, чтобы забронировать полет? Создавали шрифт, чтобы сделать презентацию в PowerPoint? Не можете вспомнить? И мы не можем. Все эти вещи, которые люди когда-то делали, были вытеснены автоматизацией.
        А теперь осмотритесь вокруг в офисе, в котором работаете. Видите, что делает Фред? Что делает Аника? Посмотрите, что делаете вы сами. Многое из этого тоже вот-вот будет вытеснено автоматизацией.
        Как неоднократно говорилось в предыдущих главах этой книги, мы балансируем на гребне огромной новой волны автоматизированной работы «белых воротничков», которая фундаментально изменит то, что миллионы и миллионы людей по всему миру делают с понедельника по пятницу, с 9 до 17.
        Как руководителю автоматизация значительной части вашего бизнеса с помощью новой машины дает единственную на поколение возможность изменить структуру расходов вашей фирмы, увеличивая в то же время быстроту и качество операций.
        Автоматизация процессов в центре вашей организации сделает так, что последние двадцать пять лет «шесть сигм», настройки бизнес-процессов и аутсорсинга будут казаться прелюдией перед началом основной симфонии. Каждая из них принесла много пользы (и сколько-то слез) за время пути, но все меркнет в сравнении с воздействием на основные процессы цифровизации. На следующих страницах мы раскроем несколько аспектов динамики автоматизации: что есть автоматизация на самом деле, какие части вашего бизнеса - лучшие кандидаты на автоматизацию, какие рабочие места она затронет наиболее сильно, выгода, которую можно ожидать, и проблемы, которых надо избегать.
        Как и многие вещи, решения, которые вам приходится принимать при формировании будущего вашей работы, к концу дня вывариваются до простой экономики. Применение новых машин к вашим устоявшимся бизнес-процессам может сократить стоимость операций не на 3 -6%, а на 30 -60% (или даже больше). Если это звучит для вас как гипербола, то вспомните наше исследование, показавшее, что бизнес уже сокращает расходы в среднем на 8%, а рост доходов составляет около 10% (как показано на рис. 7.1)^1^. Цифры складываются в единую картину, но то ли еще будет. Отметьте, что компании, такие как TriZetto (дочерняя компания Cognizant по ПО для здравоохранения), используют программируемых роботов для некоторых бизнес-процессов организационно-контрольного отдела, чтобы уменьшить расходы на оплату медицинских услуг на целых 90%. Другие компании, такие как Blue Prism, используют ботов для обработки рисков, мошенничества, заявлений и управления займами в банковском секторе, чтобы получить похожую экономию^2^ (см. на рис. 7.2 ряд интегрированных процессов конкретных отраслей, которые значительно повышают эффективность).
        Компании, которые не пользуются преимуществом автоматизации, уже платят «штраф отстающих», который затормозит будущие инвестиции^3^. Очень просто: если хотите состязаться с ценами Amazon или скоростью Google, вы должны автоматизировать значительную часть операций за следующие несколько лет.
        Автоматизация - это не опционально
        Автоматизация - первый шаг в путешествии, которое экономист Йозеф Шумпетер (Joseph Schumpeter) определил как «созидательное разрушение» - склонность к производственным изменениям, когда постоянно разрушаются старые экономические структуры и создаются новые^4^.
        Автоматизировать
        Респондентов попросили оценить снижение затрат (или повышение) и средний рост доходов (или снижение) в процентном соотношении.
        Может звучать слишком радикально, но, чтобы сделать это чуть более ясным и менее мелодраматичным, давайте совершим путешествие во времени в отдел новостей времен администрации Рейгана.
        Когда Пол пошел учиться в школу журналистики в 1980-е, отдел новостей был полон людей, которые могли брать информацию из разных источников и превращать ее в ясное, лаконичное повествование. Ежедневный процесс создания новостей - сбор информации, репортаж, проверка фактов, синтез, написание и сообщение - требовал людей, много людей, с образованием, способностью к суждению и дерзостью. Высокий IQ, высокий EQ (коэффициент эмоционального интеллекта) и галлоны кофе.
        Процент респондентов, применяющих слова «значительный» и «высокий», говоря об уровнях интеграции процесса/цепочки создания стоимости как результате перевода процессов в цифровое поле.
        Рисунок 7.1. Процесс цифровых перемен ведет к значительному влиянию на валовую выручку и итоговые доходы
        Рисунок 7.2. Добавление клиента в центр цепочки создания стоимости, в цифровой форме
        Никто в 1986 году не мог вообразить, что через сорок лет большую часть этой деятельности будет осуществлять компьютер. Но перемотайте пленку вперед - и сейчас происходит именно это.
        За последние годы вы, вероятно, прочитали десятки новостных статей, написанных программой-ботом, хотя и не поняли этого. Такие появлялись в The Washington Post, в USA Today, в вашей местной газете и в онлайн новостных источниках, таких как Yahoo! и ESPN. Выставленные по соседству дома на продажу, местный прогноз погоды и обновления в вашем инвестиционном портфолио все чаще пишутся не начинающими корреспондентами, а программным обеспечением, разработанным такими компаниями, как Narrative Science или Automated Insights. Это не единичные случаи, так происходит повсюду, и тенденция продолжает расти. Только Associated Press публикует более двадцати тысяч написанных программой новостей в год^5^, а программное обеспечение Automated Insights в прошлом году сгенерировало около 1,5 миллиарда историй, персонализированных индивидуально^6^.
        Многие из этих новостных историй не просто обратный вывод данных, как прогноз погоды или биржевые новости. Автоматизированные платформы воспроизводят нюансы языка, вплетая их в настоящий нарратив - увлекающий, дружелюбный, свежий, вдохновляющий… ну то есть - человеческий. Взгляните, например, на начало статьи о бейсбольной игре в местной средней школе в Теннесси:
        МЭТТ МАКДЭНИЕЛ ИЗ OAK RIDGE WILDCAT ЗАКРУЧИВАЕТ ДВА ХОМЕРА, ЧТО ПРИВОДИТ К ПОБЕДЕ НАД BEARDEN СО СЧЕТОМ 10:8.
        Вторник в Фаррагутской средней школе стал отличным днем для Мэтта МакДэниела, который выполнил два хоум-рана и тем самым принес Wildcats победу над командой Bearden со счетом 10:8 в семи иннингах^7^.
        Мы могли бы продолжать, но вы, наверное, уже уловили суть: все это было написано интеллектуальной системой. Язык вполне разговорный и согласуется как с местной культурой, так и бейсболом: «закручивает два хомера», «выполнил два хоум-рана».
        Используя программных роботов-«журналистов», новостные компании автоматизировали некоторые базовые процессы стандартной репортерской деятельности, в том числе сбор данных, их обобщение, написание и распространение. Как только результаты бейсбольных матчей загружаются в программу-бота, единственное, что остается по-настоящему «сделать», - это дать системе задание выполнить письменный текст и отправить его по нужному дистрибьюторскому каналу (который, кстати, тоже будет автоматизированным). За последние несколько лет таким способом было произведено более десяти тысяч статей о низшей бейсбольной лиге^8^.
        Будет ли автоматизация новостей распространяться на такой жанр, как журналистские расследования, выходящие на первых страницах The New York Times и The Wall Street Journal? Наверное, не скоро (хотя программы-боты, несомненно, расширят возможности ведущих расследования журналистов). Однако она уже оказала серьезную помощь этой индустрии, находящейся под серьезным ценовым давлением, в поиске более высоких уровней эффективности, предоставив потребителям и дополнительные ценности.
        Дело здесь не только в автоматизировании журналистики. Этот тренд - применение автоматизированных технологий для снижения стоимости и повышения эффективности - проявил себя практически в каждой отрасли. Нравится вам это или нет, конкуренты на другой стороне улицы скоро получат значительную выгоду от автоматизации основных процессов. Если не поторопиться, ваша структура затрат скоро не сможет устоять. Кроме того, сэкономив на автоматизации, вы потом заплатите за надвигающиеся цифровые инновации. К счастью, большинство из нас уже приготовилось к разбегу.
        Мы уже какое-то время проводим автоматизацию с помощью цифры
        Способ, которым Narrative Science или Automated Insights автоматизируют журналистику и другую деятельность, связанную с написанием текстов, таких как биржевые новости, очень сложен и представляет собой новые горизонты робототехники. Однако давайте вспомним еще раз, что мы уже довольно давно прибегаем к автоматизации и, как и в случае с ИИ, часто даже не замечаем этого.
        Вспомните свое последнее посещение аэропорта. Двигаясь по шоссе, вы, вероятно, пересекали пункт взимания платы за пользование дорогой. Въехав на парковку, получили парковочный талон. В терминале получили билет и проверили багаж в интерактивном терминале. Направляясь к выходу, остановились и сняли наличные деньги на поездку.
        Еще пару десятков лет назад во всех этих местах работали люди: оператор пункта приема платежей, смотритель парковки, сотрудник на регистрации и кассир в банке. И многие (хотя и не все) эти рабочие места были вытеснены автоматизацией (другие были дополнены технологией, о чем мы поговорим позже), и как потребитель вы, вероятно, этим довольны.
        Путь от дома до аэропорта занял как минимум на полчаса меньше, чем во времена, предшествующие автоматизации. И скучает ли кто-нибудь в действительности об операторах, принимающих платежи, - этих несчастных малых, что должны были по восемь часов в день стоять на холоде в металлической коробке: отсчитывающих сдачу, тяжело вздыхающих и все равно создающих для всех нас длинные очереди? Даже сам бывший оператор не хочет, чтобы его работа вернулась обратно.
        С новой машиной мы переходим черту, за которой сможем сделать «интеллектуальные» процессы по-настоящему интеллектуальными. Новые волны автоматизации поднимаются повсюду вокруг нас, однако в отличие от электронного сканера на шоссе, они настолько искусные и мощные (как в робожурналистике), что мы их можем даже не заметить.
        Рисунок 7.3. Автоматизация, знакомая нам из повседневной жизни
        Программное обеспечение должно поглотить ваши основные операции
        Где именно найдет себе место автоматизация в вашей компании? Лучшая область - коренные, основные операции, удаленные от клиентов. ЛЕГЧЕ ВСЕГО ПРОВЕСТИ АВТОМАТИЗАЦИЮ И ЗНАЧИТЕЛЬНО СОКРАТИТЬ РАСХОДЫ, прячущиеся в повседневных процедурах, в так называемых операционном отделе, или БЭК-ОФИСЕ, И в контрольном подразделении - МИДЛ-ОФИСЕ.
        Ваш операционный отдел выполняет работу, необходимую любой корпорации: информационные технологии, финансы, человеческие ресурсы, управление эксплуатацией оборудования, административные функции и так далее. Деятельность контрольного подразделения охватывает специализированные для конкретной отрасли операции, проходящие через цепочку формирования ценности: обработка заявлений в страховании, управление логистикой в ритейле, проведение расчетов в банках.
        Что, если бы вы могли осуществлять эти функции за половину стоимости и с двойной отдачей? С постоянным улучшением и контролем качества? И со всеми аспектами, с каждой транзакцией, полностью инструментированной и записанной? С новой машиной вы это сможете.
        Как и в журналистике, эти области вашего бизнеса в своей сути содержат информационную логистическую цепь, где собираются, обрабатываются, преобразовываются и распространяются данные. Список кандидатов, как показано на рисунке 7.4, настолько обширен, насколько и удивителен.
        Существуют специальные интеллектуальные системы автоматизации для каждой из этих областей, и они готовы к внедрению: AiCure для изучения клинических данных, Talla для отдела кадров, NetAngels для отчетов об урегулировании споров в банковских услугах. Кевин Келли (Kevin Kelly), основатель журнала Wired, зашел еще дальше, сказав, что бизнес-планы следующих десяти тысяч стартапов Кремниевой долины легко предсказать: «Возьми Х и добавь ИИ»^9^.
        Приведенные ниже списки могут быть полезны, поскольку охватывают все области, где для автоматизации может быть применена новая машина, но как вам найти вашего лучшего кандидата? В конце концов, те же самые процессы от одной к другой компании могут быть структурированы очень по-разному. Потолок для одного человека - пол для другого.
        Рисунок 7.4. Возможности потенциальной автоматизации процессов
        TriZetto автоматизировал бизнес оказания медицинских услуг в США
        Отрасль здравоохранения США, стоившая в 2014 году три триллиона долларов, - одна из самых крупных и самых сложных отраслей в мире^10^. Также здравоохранение одна из наиболее созревших отраслей для связанных с автоматизацией реформ. По некоторым оценкам, одна треть из всех расходов на здравоохранение в США тратится абсолютно напрасно^11^.
        Компания TriZetto была основана двадцать лет назад и располагается в Колорадо, ее задача - принести силу автоматизации в эту разлаженную систему. Будучи одним из первых разработчиков программного обеспечения как услуги, TriZetto стала пионером идеи применения мультиаренды и платформ для управления процессами, которые обеспечивают функционирование крупнейших плательщиков на рынке здравоохранения (страховых компаний) и провайдеров услуг (больницы и многопрофильные медицинские группы). В 2015 году TriZetto обрабатывала 60% заявок на медицинские услуги, и тогда же компанией был приобретен Cognizant за два миллиарда семьсот миллионов долларов.
        Еще в начале пути руководство TriZetto поняло, что настоящая ценность предложения компании в использовании программного обеспечения для автоматизации объемной, рутинной работы на стороне плательщика (например, те многие шаги, которые предпринимаются за сценой поставщиками медицинских страховых услуг США). Учитывая, что законодательство США требует, чтобы как минимум 85% средств было потрачено на медицинские услуги и не больше 15% на администрирование, чтобы быть конкурентоспособными, поставщики должны максимально снижать расходы, заботясь при этом о сохранении качества. Для этого TriZetto создала и закупила разнообразное программное обеспечение, чтобы автоматизировать и улучшить многие рабочие процессы операционного подразделения страховых компаний, такие как планирование оказания услуг, управление оказанием медицинских услуг, оплаты и так далее.
        Лоуренс Бридж (Lawrence Bridge), старший вице-президент по стратегии и корпоративному развитию, объяснил нам, что автоматизация не только снижает расходы, но и позволяет получать лучшие результаты медобслуживания. «Инструменты, которые мы выводим на рынок, такие как «Автоматизация производительности здравоохранения» (Healthcare Productivity Automation (HPA), способны заметно уменьшить количество ручных операций», - сказал он.
        Операционные результаты - одним словом, ошеломляющие. «До» автоматизации, по словам Бриджа, сто двадцать человек обрабатывали заявления, сидя в зале с перегородками, работали с кучей бумаг и во многом устаревшими IT-системами. В картинке «после», сложившейся уже через несколько недель, один человек работает с интеллектуальной системой, обрабатывая тот же объем заявлений. «Сейчас команда работает над тем, чтобы расширить возможности автоматизации до клиентских служб и другой работы, которая традиционно требовала человеческого участия, включая, со временем, и собственно медицинскую помощь», - сказал Бридж.
        В работе TriZetto автоматизация не означает немедленной потери работы. В то время как некоторые рабочие места, конечно, пропадут, другие будут передислоцированы в ответ на рост запроса на широкий круг новых услуг. Здравоохранение в Соединенных Штатах двигается от централизованной модели в сторону более ориентированной на потребителя. Рост числа застрахованных в связи с «Законом о доступном медицинском обслуживании», а также растущая потребность в медицине в связи со старением населения выливается в общий рост запроса на медицинские услуги. Этот запрос требует, чтобы преуспевали как люди, так и машины. «Вы никогда не сделаете этого без автоматизации. На это потребовался бы миллион человек, - говорит Бридж. - Но сейчас у вас есть правительственные указы, сжимающие и формирующие кривые расценок и затрат. У вас созревающая безумными темпами технология… Приходится управлять идеальным штормом… это модель массовой персонализации в сфере плательщиков за услуги здравоохранения».
        Даже если вы не принадлежите бизнесу плательщиков за медицинские услуги, можете взять у TriZetto несколько главных уроков для своей компании.

• ФОКУСИРУЙТЕСЬ НА ОБЪЕМНЫХ КОРЕННЫХ ДЛЯ ВАШЕГО БИЗНЕСА ПРОЦЕССАХ. TriZetto применяет программное обеспечение для рутинной, повторяющейся работы в контрольном подразделении, в мидл-офисе плательщиков за услуги здравоохранения. Нет буквально ни одной компании, из тех, с кем мы работали, что не могла бы применить тот же подход. Возможности автоматизации есть у каждой компании. Наша задача сейчас - выяснить, где можно применить интеллектуальные системы для заштампованных, объемных и часто отупляющих бизнес-процессов. (Больше об этом - далее.)

• БУДЬТЕ ДЕРЗКИМИ. Руководители TriZetto создают инструменты для автоматизации работы, поэтому знают, что реалистично, а что теоретично. Их первое правило - рассчитывать на 50% автоматизации существующих процессов. Таргетирование 4 -5% просто нецелесообразно. Если вы беретесь за дело, нацелившись менее чем на 25%, то метите слишком низко.

• НАЙДИТЕ МОДЕЛИ. Автоматизация - игра с масштабом. Компании, хорошо развивающие автоматизацию, достигают наибольших результатов, устраняя индивидуальные решения. Как говорит Бридж: «Компании, которые… действительно хорошо составили свои программы льгот или очень хорошо составили контракты с провайдерами… были как раз теми, кто способен автоматически подстраивать и продвигать стандартизацию… Те, кто исторически побеждал, были способны к стандартизации, воспроизводимости и согласованным процедурам. Глядя вперед, я думаю, все дело будет в использовании цифровых технологий как в административной стороне бизнеса, так и в вопросах стоимости медицинских услуг».
        Что сделать в понедельник? Перещелкните свою автоматизацию на «вкл.»
        Автоматизация не произойдет автоматически. В связи с этим вот несколько уроков, выученных у тех, кто уже использовал процесс автоматизации, чтобы придать импульс вашим инициативам по автоматизации. Мы решили, что четыре этих «правила движения», будут особенно полезны:

1. Установите свои 25% -25% обязательной автоматизации.

2. Найдите свои цели для автоматизации процесса.

3. Прорвитесь сквозь «латунную стену».

4. Создайте повторяющийся процесс, чтобы упростить, сгладить работу.
        Установите свои 25% -25% обязательной автоматизации
        Приходя на работу, (почти) каждый человек имеет цель. Дела протекают практически одинаково, изо дня в день. В каждое отдельно взятое утро понедельника почти невозможно представить, чтобы работа делалась по-другому. Но именно это вы должны сделать в первую очередь. Чтобы начать любые значимые перемены с использованием автоматизации, вы должны закрыть глаза и вообразить, что вещи могут быть сделаны совершенно по-другому.
        Мы считаем, что базовыми ожиданиями должно быть снижение цены на 25% с соответствующим ростом производительности на 25%. Основываясь на сегодняшних средних уровнях (около 15%) и улучшении производительности, вызванном некоторыми решениями (до 90%), это должно стать вашим выполнимым и быстро внедряемым планом первоначальных попыток роботизированной автоматизации процессов.
        Причина, по которой правило 25% -25% эффективно, в том, что оно заставляет вашу команду по-другому подумать о том, «как у нас тут все делается». Когда цель, скажем, 5% снижения расходов и 5% роста производительности, команда продолжит думать так же, как обычно. Подняв планку до 25% -25%, вы ясно даете понять, что традиционного коктейля из реорганизации, аутсорсинга и/или корпоративных программных систем недостаточно. Такие результаты даст только цифровая автоматизация процесса. Проще говоря, если вы не можете добиться сокращения расходов хотя бы на 25%, у вас нет настоящих решений «автоматизации». И если вы не можете получить 25% роста производительности, то платформа ИИ работает не так, как должна.
        Найдите свои цели для автоматизации процесса
        Отыскивая варианты для начальной автоматизации, которая должна затрагивать не менее двух или трех процессов, находите свои точки на рабочем континууме человек -машина (см. рис. 7.5). Лучшие отправные точки автоматизации - в левой части континуума: в этих процессах машина может быстро взять на себя большую часть работы. Как мы описывали в главе 3, это должны быть области с высоким процентом рабочих задач, которые могут быть автоматизированы.
        Рисунок 7.5. Рабочий континуум человек -машина
        Выбирать свои первые цели для автоматизации нужно вдумчиво, поскольку успех или отсутствие успеха этого начального внедрения будет диктовать ваши последующие инициативы с ИИ. В своей работе с десятками начинаний с использованием ИИ мы увидели, что успешные попытки отвечают этим критериям.

•ЧАСТО ПОВТОРЯЮЩИЕСЯ ЗАДАЧИ. Найдите задачи, которые часто приходится выполнять, очень распространенные в вашей компании. Коротко говоря, поищите деятельность, которой многие люди занимаются каждый день. Это может быть обработка инвойсов, сверка документации, «отбор и упаковка», согласование заказов, новые ответы по телефону на одни и те же вопросы и так далее. Некоторые из этих задач уже и так заметно автоматизированы, но многие, по нашим наблюдениям, еще нет. Дайте себе честный ответ: эти области, и многие другие, автоматизированы настолько, насколько это возможно? И есть ли интеллектуальная составляющая в течение процесса? Любые объемные, часто повторяющиеся задачи - первые кандидаты на автоматизацию.

•ЗАДАЧИ, ПОЧТИ НЕ ТРЕБУЮЩИЕ ЧЕЛОВЕЧЕСКОГО СУЖДЕНИЯ. Роботы отлично считают, люди считают хуже. Напротив, люди больше способны к комплексным суждениям, в то время как ИИ и алгоритмы - нет. Поэтому работа, крепко висящая на деревьях решений (в противоположность амбивалентности, интуиции, инсайту, сложным суждениям) - сильный кандидат на автоматизацию. Машины способны на информированные результаты, однако принятие решений, основанных на нюансах, в обозримом будущем будет требовать человеческого участия. И напротив, ЛЮБАЯ РАБОТА, ЯВЛЯЮЩАЯСЯ В ОСНОВНОМ ПОСЛЕДОВАТЕЛЬНОСТЬЮ ШАГОВ «ЕСЛИ-ЭТО-ТО-ЭТО», ДОЛЖНА БЫТЬ АВТОМАТИЗИРОВАНА.

•ЗАДАЧИ, ТРЕБУЮЩИЕ НИЗКИХ УРОВНЕЙ ЭМПАТИИ. Регистрация заказов, вынесение решений по заявлениям и сверка инвойсов - процессы, требующие аккуратности и скорости… но редко эмпатии. Если бот может существенно увеличить точность, систематичность или скорость, многие из нас смирятся с отменой фактора эмпатии. Уже сейчас внутри вашей организации есть много областей, в которых должна быть применена логика. Их нетрудно будет отыскать.

•ГЕНЕРИРОВАНИЕ ЗАДАЧ И РАБОТА С БОЛЬШИМИ ОБЪЕМАМИ ДАННЫХ. Любой процесс, связанный с потенциальной генерацией большого количества информации, особенно клиентской, должен быть автоматизирован с единственной целью сбора данных, вашего собственного сырьевого материала. Люди, даже если вы можете позволить себе иметь достаточное количество сотрудников, не справятся с объемами данных, когда становятся умными и подключается все больше и больше вещей. В качестве небольшого примера, представьте, что все уличное освещение в городе среднего размера умное и способно сообщать не только о собственном «здоровье» (например, о том, нужно ли их заменить), но могут также информировать о потоке транспортных средств. Объем данных, генерируемых в «решете» информации целого города, будет далеко за пределами человеческих способностей к управлению и обработке данных. В подобных сценариях автоматизация не заменит людей, а станет фундаментальным строительным блоком для создания новых сервисов и идей, которые, в свою очередь, создадут ценность. В своей организации стоит искать области, в которых процессы и потоки могут
управляться сенсорами и данные от которых, прежде недоступные, могут генерироваться и администрироваться.
        Определение целей для автоматизации покажет вашей команде четкий путь к успеху, однако серьезное препятствие к управлению переменами в вашей компании по-прежнему остается. Это ведет к нашему третьему правилу движения.
        Пробиться сквозь «латунную стену»
        Вы определили первоначальные цели для автоматизации, распространенные в отрасли и точно подходящие под пороговые уровни в 25% -25%. Все в компании увидят мудрость вашего решения и будут полностью поддерживать, правда? Неправда.
        Мы выучили этот урок двадцать лет назад, во время вышеупомянутой волны реорганизации бизнес-процессов (РБП). Когда-то в 1990-х последователи Майкла Хаммера (Michael Hammer) заявляли: «Не автоматизируйте. Уничтожайте!» Эта мантра должна была помочь найти способ делать больше за меньший счет - гораздо меньший.
        В теории РБП выглядела прекрасно. Однако практика в большинстве случаев провалилась (серьезно запачкав в процессе имя этого движения). Почему же? Слишком часто средние менеджеры, ответственные за выстраивание и внедрение инициатив по РБП, быстро осознавали, что реорганизуют с работы и самих себя. А дальше следовали политика и саботаж.
        Оценивая события прошлого, можно сказать, что это был феномен «латунной стены», с которым впервые столкнулись с момента реорганизации полицейских сил в главных городах Америки в 1980-е годы. Во время взрыва преступности, связанного с торговлей наркотиками и ростом насилия, полицейские шефы в Нью-Йорке, Бостоне, Майами и Лос-Анджелесе искали способы установить в полиции новые порядки (например, больше патрульных полицейских, следование философии «разбитого окна» и внимание даже к малейшим преступлениям, привлечение данных для более разумного несения службы и выравнивание организационной модели для снижения бюрократии и расходов). Люди на верхушке полицейской пирамиды (то есть шефы полиции и их команды, а также муниципальное руководство) всецело поддерживали и пытались продвигать перемены. Молодые офицеры полиции, недовольные существующей системой, также поддерживали новые полицейские техники. Однако эти попытки перемен упирались в «штабную стену» - в офицеров, сидящих в середине пирамиды (с латунными погонами на плечах), отбывших на своих постах уже больше двух десятков лет, заработавших место в
среде высших чинов и во властных структурах, и почуявших аромат приближающейся пенсии. Для них кажущаяся личная угроза от этих перемен значительно перевешивала любой потенциал общего блага.
        Феномен латунной стены вновь проявляется в сегодняшней корпоративной среде в связи с попытками цифровой автоматизации. Старшие сотрудники могут признавать: «Да, автоматизация - это хорошо для наших клиентов и инвесторов, но хороша ли она для меня?» Их комментарии редко столь прямолинейны. Вместо этого вас закидают словами, что «Это невозможно», «Это слишком сложно», «Это слишком дорого», «У нас будут проблемы с законом», «Мы делаем это пятьдесят лет, и до сих пор все отлично работает», «Сегодня никто не докажет рентабельность этих инвестиций», «Нам нужно сосредоточить свои усилия где-то еще».
        Эти проблемы трудно решить, но справиться с ними необходимо. Мы рекомендуем выявлять самых рьяных сторонников «делать бизнес, как обычно», разговаривать с ними и объяснять, что в действительности значит автоматизация для предприятия. Пригласите их «сблизиться с программой» и помочь коллегам сжиться с нею тоже. Если сотрудники не могут, избегайте их и постарайтесь направить энергию в каком-то другом направлении. И если в вашей организации нет других занятий по их части, отпустите сотрудников (конечно, следуя всем кадровым процедурам). Достижение цели автоматизации слишком важно, чтобы допускать ошибки, вызванные непримиримостью коллег, чьи навыки и опыт больше не подходят для работы, проникнутой системой с искусственным интеллектом.
        Как мы говорили раньше, будет кровь: автоматизация - это больно. Никто не обещает, что будет легко. Но автоматизация - факт нашей жизни, и его нужно принять.
        Создайте повторяющийся процесс, чтобы работа шла гладко
        Если вы поставили уверенные задачи для того, чтобы автоматизация произошла, и выбрали цели, которые окажут на ваш бизнес серьезное воздействие, следующим шагом должен стать перевод работы из состояния «Маргарет из закупок потом это сделает» в состояние «Дзынь. Сделано». Вот как нужно подходить к исполнению.
        В каждом увиденном случае успешной автоматизации за осуществлением процесса наблюдал творческий бизнес-руководитель; он заключал: «Мы действительно подняли здесь переполох»; а потом находил лучший способ использовать коды, искусственный интеллект и алгоритмы для улучшения скорости, точности и динамики затрат на процесс.
        Кроме того, лидеры понимали, что нужно применить новые инструменты, которые могут быть сказочно простыми или невероятно сложными, чтобы автоматизировать конкретные шаги процесса. Независимо от того, вы заново создаете бизнес-процессы со стадии чертежа или делаете инъекцию проверенной технологии автоматизации в процессы мидл- или бэк-офиса, есть путь, которым стоит следовать.
        Вам нужно будет адаптировать этот путь в зависимости от сложности того, чем вы занимаетесь; далее последует высокоуровневый пошаговый разбор, но семь шагов процесса автоматизации, в целом, будут одинаковыми.

1. УТВЕРДИТЕ СВОЮ СТРАТЕГИЮ АВТОМАТИЗАЦИИ. Как мы обсуждали выше, первый шаг - утвердить свое дерзкое видение применения новой машины ради сокращения расходов. Вы просто не можете проскочить этот пункт.

2. НАЧНИТЕ С МАЛОГО. Несмотря на потенциальную большую выгоду от автоматизации, лучшая практика - начинать с малого. Найдите несколько проблемных точек в ключевых процессах. Общие призывы «делать автоматизацию» - потеря времени. Каждый пример успешной автоматизации, который мы видели, был сконцентрирован на конкретной задаче или бизнес-процессе. Что такое «болевые точки процесса»? Обычно это бутылочные горлышки, которые расстраивают всех сегодня (например, платежи, заявления на ипотечные займы, ведение медицинских записей, планирование поездок и так далее).

3. ПРИМЕНЯЙТЕ НОВУЮ МАШИНУ. Именно здесь окупится «рыночное чутье» (об этом и об изобилии в главе 12). Определите уже существующие подходящие инструменты автоматизации и протестируйте их на ограниченном участке. Конечно, если не существует коммерчески доступных инструментов для процессов, которые вы стремитесь автоматизировать, может потребоваться выстроить собственную платформу с ИИ^12^. Определенно, это будет сложнее, прежде чем выстраивать, попробуйте купить.

4. РАЗРАБОТАЙТЕ ПРОТОТИП. У вас есть стратегия, несколько процессов-целей и несколько потенциальных машин для автоматизации. Пришло время сложить детали вместе, но начать стоит с прототипа. Эта фаза предполагает светокопию и первую грубую модель двигателя автоматизации, примененного в вашем конкретном процессе. Вам понадобятся данные, машина и четкое понимание того, что должно произойти до, во время и после действий по автоматизации. Если инструмент для автоматизации уже существует, он может потребовать самого незначительного конфигурирования. Если вы, напротив, строите новый движок, это может занять некоторое время. Результат этого шага - прототип, более или менее рабочий в ограниченном пространстве. Там будут баги, множество людей, утверждающих, что он не работает, но вам нужно завершить этот шаг с достаточно рабочей системой, чтобы получить право двигаться в производственную среду.

5. ПИЛОТЫ И МАСШТАБ. Пришло время изменениям затронуть настоящую работу. Как и с любыми большими переменами, скромность - лучшая сторона героизма, так что начинайте с малого - например, отдельный рабочий раздел, единственный магазин, некоторые случаи взаимодействия с клиентом. Все вопросы по поводу безопасности, приватности и законодательных требований должны быть решены, также должен получить оценку клиентский опыт, чтобы избежать производственных травм в интеллектуальном процессе.

6. АНАЛИЗИРУЙТЕ РЕЗУЛЬТАТЫ. О чем вам сказал пилот? Что вы узнали? Что прошло хорошо? Что не получилось? Будьте честными, будьте критичными. Ищите причины сказать: «Нет, это не работает». Пилотируйте, приспосабливайте, калибруйте. Не теряйте решимости.

7. ПОВТОРЯЙТЕ! Потребность в автоматизации постоянна, так что ни один отдельный проект не утвердит вашего успеха в цифровой экономике.
        Эти семь шагов должны стать основанием для достижения следующего уровня автоматизации в вашей организации^13^.
        Автоматизация - это средство, а не цель
        Эта глава была посвящена практическим аспектам автоматизации в корпорации: где она происходит сегодня, как выбрать свои участки, важнейшие факторы успеха и чего следует ожидать на данном пути. Мы показали, что роботизированная автоматизация процессов - это ткацкий станок нашего времени, новый паровой двигатель. Снижение затрат, к которому приведет этот новый уровень автоматизации, обеспечит средствами, необходимыми для подпитки инвестиций в новые рынки и идеи. Данные, собранные по результатам автоматизации, - в сердце создания новых продуктов, лучших взаимоотношений с клиентами и большей прозрачности. Лидеры, создающие непрерывную инерцию для использования автоматизации, каждый квартал изыскивающие новые возможности для автоматизации, используя представленные критерии и рекомендации, могут быть уверенными, что у них есть необходимое для победы топливо.
        Если вы управляете работой, которая созрела для автоматизации, не время просто сказать: «Мы на пороге перемен!» Время заняться этим вплотную. Если помещения вашей компании заполнены людьми, выполняющими работу, которую можно автоматизировать, время понять, что в долгосрочной перспективе эта компания не устойчива.
        И наконец, нужно понять, что будущее работы не останавливается на «А», «автоматизации». В нашей модели еще четыре возможности для леверса: H, E, A и D. Автоматизация - это не конец сам по себе. В следующей главе мы рассмотрим «Н» (или «О» - «Ореол») - то, как вы можете создать ореол значимых данных, сделать все «генератором кодов» и конвертировать эти коды в доллары (фунты, евро и йены).
        Глава 8
        Ореол: Измеряйте все, меняйте игру
        Несколько лет назад мы написали «Code Halos», чтобы рассказать, что любое «существительное» - любой человек, место или вещь - на самом деле имеют две сущности: физическую и виртуальную. Если оснастить ее измерительными приборами и отслеживать, вокруг объекта возникает невидимый ореол кодов, и этот «цифровой близнец» часто дает больше инсайтов и оказывается более ценным, чем физическое тело само по себе.
        Именно так, никогда не встречаясь с вами, как покупателем, лично, Amazon и Netflix знают ваши вкусы в литературе и кино лучше, чем члены вашей семьи и друзья. Эти ореолы имеют центральное значение в том, как разработчикам FANG удается выстроить такие личные и ценностные отношения с клиентом.
        Со времени написания той книги основанная на данных успешность вышла в мейнстрим, и привлечение Ореола кодов стало стратегическим императивом для почти любого вида бизнеса. Теперь гонка - к победе с помощью инструментирования, и во многих отраслях правила соревнований меняют давно сложившиеся компании, в том числе:

•ПРОМЫШЛЕННОЕ ОБОРУДОВАНИЕ. Bosch, John Deere, Caterpillar, General Electric, Siemens, Boeing и Airbus с общим годовым доходом, приближающимся к пятистам миллиардов долларов, рассматривают основанную на ореоле конкуренцию как центр стратегий, так как по умолчанию оснащают измерителями все свои машины. Притом что раньше они соревновались только в физических аспектах - качество, цена/производительность и безопасность продукции, - сейчас сосредоточены на ценности виртуального.

•СПОРТИВНАЯ ОДЕЖДА. Nike, Adidas и Under Armour - все наблюдают рост годовых показателей на более чем 15% между 2015 и 2020 годами, причем Under Armour планирует за это время вырасти в два раза, основываясь на силе инструментированной одежды и обуви^1^. В процессе эти компании преобразуются из ремесленников нового века в платформы с информацией о здоровье.

•АВТОМОБИЛИ. Toyota, BMW, Ford, GM, Mercedes-Benz и Tesla инвестируют в целом шесть миллиардов долларов в возможности дигитализации, концентрируясь прежде всего на революционном изменении автомобиля через инструментирование. Это преобразит не только автомобиль, но владение и управление им.

•СТРАХОВАНИЕ. Progressive, Allstate и Travelers предпринимают значительные усилия в разработке телематических устройств, поскольку оснащение ими машин, домов и зданий позволяет осуществлять мониторинг объектов в реальном времени, обещает изменить и взаимоотношения с клиентом, и актуарную науку в целом. Традиционная модель страхования, основанная на статистике и привлечении клиента по модели один-многим, скоро станет основываться на контексте, будет складываться в зависимости от ситуации и индивидуально - один-одному.
        Сегодня нет ограничений, технических или финансовых, на подсоединение чего-либо к Интернету и дальнейшее наполнение блестящими преимуществами интеллектуальных систем.
        Вопрос теперь в следующем: что со всем этим делать?
        Каждая «вещь» теперь - генератор кода
        Цена оснащения приборами всего сегодня совсем не высока, а ценность этого слишком высока, чтобы его избегать. Как мы отмечали в «Code Halos»:

[Победители в цифровой экономике] выработали способность создавать и управлять Ореолом кодов, окружая им своих клиентов, продукты, сервисы и целые организации, чтобы установить новые пределы производительности. Упаковав все это в цифры, они создали высокоперсонализированный покупательский опыт и услуги, которые не только приносят пользу, но и идеи значения на неуязвимых уровнях эффективности^2^.
        Цифровые самолеты Boeing, подключенные системы освещения Philips и умные автомобили Toyota - все это примеры применения этих идей в контексте предприятия. В каждом случае бизнес-руководители превращают свои продукты в генераторы кодов, создавая тем самым сырьевой материал (данные) для цифровой экономики. Алгоритмы и ИИ, интегрированные в интеллектуальные системы, конвертируют эти данные в ценные инсайты, которые движут бизнес-результатами.
        При всей этой активности неспособность двигаться в этом направлении и превращать «вещи» в генераторы кодов может расцениваться как корпоративная ошибка и некомпетентность. Так что для начала приведем несколько ключевых тактик, чтобы все это заработало именно в вашем мире.
        Три новых правила конкуренции
        Научив за последние несколько лет сотни клиентов конкурировать в кодах, мы определили три ключевых принципа успеха.

•ИНСТРУМЕНТАЛИЗАЦИЯ БОЛЬШЕ НЕ ВЫБОРОЧНА, ТЕПЕРЬ ЭТО ОБЯЗАТЕЛЬНАЯ ПРОГРАММА. Ореолы кодов начались с медиа и рынка развлечений, но они там не закончились. Не далее чем в 2013 году многие считали, что цифровое движение будет ограничено горсткой отраслей и не проникнет практически в каждую область, как это произошло.

•КОД БОЛЕЕ ВАЖЕН, ЧЕМ ВЕЩИ. Ценность кода часто может совпадать или превосходить ценность любого технического устройства. Некоторые видят в этом «превращение воды в вино»: традиционные продукты трансформируются в платформы, скрепляющие отношения с клиентом. Рабочая лошадка прошлого - это платформа обработки данных сегодняшнего дня, и виртуальное имеет такую же, если не большую, цену, как физическое.

•НЕ ВЫКЛЮЧАЙТЕ ИХ НИКОГДА. Оснастить измерителями каждую «вещь» также значит сделать ее постоянно подключенной к Интернету. Ценность не будет расти резко вверх, когда подключения эпизодичны, происходят от случая к случаю. Подключение к данным должно быть постоянным.
        Для конкретного примера того, как эти три принципа действуют на рынке, давайте взглянем на здравоохранение в Йоханнесбурге, ЮАР.
        Руки прочь от пончика!
        Discovery Limited была основана в 1992 году, компания предоставляет интегрированные финансовые услуги, в том числе страхование жизни и здоровья, более 6,9 миллиона людей (изначально в Южной Африке, но также в Великобритании, Европе, Соединенных Штатах, Китае, Азии и Австралии). Компания успешно интегрировала новые сырьевые материалы, новые машины и новые бизнес-модели для модернизации очень традиционного - некоторые скажут, ретроградного, - бизнеса.
        Бретт Тромп (Brett Tromp), директор по финансовым вопросам, и Эмиль Стипп (Emile Stipp), старший актуарий, объяснили, что государственное законодательство в Южной Африке требует, чтобы у всех был доступ к страхованию здоровья и все должны платить за нее одинаковую страховую премию. Как сказал нам Тромп, «другими словами, мы не можем взять с кого-то, находящегося на смертном одре, больше денег, чем с кого-то идеально здорового. И… мы должны обслужить всех, кто хочет купить у нас страховку. …Мы не можем отказать никому».
        Согласно Тромпу, «мы не могли быть просто страховой компанией. Мы должны были быть страховой компанией и велнес-компанией». Руководители Discovery знали, что топливом для бизнеса должны были быть, и здесь мы вас не удивим, данные. Им нужно было знать такие вещи, как: Сколько раз я хожу в спортзал? Когда я хожу на пробежку? Ем ли я здоровую еду? Какое у меня кровяное давление, холестерин и ИМТ?
        Они создали систему приложений и опорные системы, чтобы люди могли отслеживать и делиться своими данными, связываться с фитнес-устройствами, дневниками питания и даже водительскими привычками. Однако это не было игрой в одни ворота. В Discovery поняли, что людям нужно «получать» что-то значимое взамен на то, что «отдают» личные данные. Покупатели страховки, вовлекаемые в здоровый образ жизни, получают реальную пользу, в том числе такую, как скидки на здоровую еду, авиабилеты по сниженной цене, Apple Watches, заработанные физическими упражнениями, билеты в кино и так далее.
        Компания Discovery построила процветающий бизнес, основываясь на связи Ореола кодов покупателя страховки с привилегиями для него. Если все это по-прежнему звучит для вас слишком запутанно и не в меру восторженно, подумайте над тем, что биржевая стоимость Discovery Limited почти удвоилась между ноябрем 2013-го и ноябрем 2015 года. Новый бизнес с 2014 по 2015 год вырос на 51%. Сегодня у Discovery Health 38% рынка с растущим доходом, лучшей защитой от страхового мошенничества и снижающимися ценами (недавнее снижение на 14%).
        История Discovery Health показывает, как применение мышления понятиями Ореола кодов помогает традиционно консервативному бизнесу создавать новые рынки в мире, где интеллектуальные системы могут легко делать вещи, которые еще несколько лет назад были невозможны. Нужно выучить много уроков, и вот самые важные из них.

• СОЕДИНИТЕ ТРИ М. Discovery Health признал, что должен знать больше о здоровом поведении, чем знал когда-либо прежде, поэтому построил системы для сбора этой информации и ее безопасного хранения. Компания использует интеллектуальную систему, а также более двухсот пятидесяти сотрудников, нанятых просто для исследования этого массива данных и откапывания из них моделей (поскольку машины по-прежнему не умеют задавать умные вопросы). Одна из ее самых важных инноваций, конечно, абсолютно новая бизнес-модель, которая выстраивает для клиентов взаимоотношения вокруг их здорового поведения, при этом поднимая доходы и снижая цены. Все новые сырьевые материалы, новые машины и новые бизнес-модели применены успешно в той отрасли, которая традиционно считалась высокоустойчивой к переменам.

• ДАЙТЕ ОБЕЩАНИЕ. Многие новаторы, с которыми мы проводили интервью, при обсуждении того, как создают новые цифровые решения, подчеркивали, что были сконцентрированы на чем-то ином, превосходящем чистые бизнес-результаты. То же сказали и лидеры Discovery. Их фокус, обещание бизнеса - сделать людей здоровыми. Они знают, что если сделают это, то смогут построить очень успешный страховой бизнес. И это именно та перспектива, которую стоит иметь перед глазами всем нам, идущим в Четвертую индустриальную революцию. Стипп сказал: «Так что этот процесс оздоровления людей - в центре всего, что мы делаем… Все наши действия исходят из этого. Если мы видим, что Apple запускает новые часы с фитнес-возможностями, сразу думаем: «Как мы можем их использовать, чтобы сделать людей здоровее?» А наша следующая мысль: «Если людей заинтересовали Apple Watches и они хотят ими обладать, как можно использовать этот интерес, чтобы достичь своей амбициозной цели?» Discovery помнит о своем обещании каждый день, и это дает результаты.

• ВЫСТРАИВАЙТЕ ВЗАИМООТНОШЕНИЯ. В этой книге мы уделяем много внимания технологиям, поскольку это важнейший элемент победы в цифровой экономике. Лидеры Discovery знают, что инструменты - мощное средство достижения цели. Их конечная цель - использовать технологию для того, чтобы поддерживать здоровье людей, а не строить страшно назойливую систему слежения, поскольку люди отвергнут ее. Их цель - построить продолжительные отношения с клиентом. «Если вы думаете о страховании, особенно о страховании жизни… берете страховой договор, подписываете бумаги и забываете о нем. А потом, когда умираете, уже ваша жена вспоминает о том, что у вас была страховка. Но здесь нет взаимодействия. И это мы полностью меняем, - сказал нам Тромп. - Вы разговариваете с нами каждый день. Мы разговариваем с вами каждый день. Наша компания меняет ваше отношение, чего не сделала бы никакая другая страховая компания».
        У других наших собеседников были похожие взгляды. В первую очередь они были сфокусированы на том, чтобы сделать людей здоровыми, поддержать их образование или помочь с финансовой безопасностью, только потом решали, как использовать данные, новые машины и новые бизнес-модели, чтобы это случилось. И дальше следовал успех.
        Станьте «всезнайкой»
        Зачем инструментировать все и выстраивать решения вокруг информации? Потому что, делая так, вы встаете на путь бизнеса «всезнаек». С сенсорами и измерительными инструментами сегодня возможно знать и анализировать информацию о чем угодно, знать все обо всем.
        До наступления бизнеса «всезнаек» ответы на многие вопросы (например, состояние оборудования в реальном времени на находящемся в полете самолете, немедленное воздействие экономического события, результат учащегося по выполняемому заданию в реальном времени) зачастую были всего лишь догадками и требовали времени на проверку.
        Выше мы представили несколько примеров этого. Например, чтобы определить работу конкретного самолетного двигателя в полете, бригада в Хитроу стала бы собирать какую-то постполетную информацию и что-то предположила бы о цифровых показателях полета, но многое в их мнении было бы основано на ощущениях и догадках и стало бы доступно через восемь часов после приземления самолета.
        Чтобы определить, как изменение процентной ставки в Новой Зеландии повлияет на государственные облигации в Калифорнии, трейдерам на вашей местной бирже нужно будет проверить свои таблицы в Exсel со сложными расчетами, показывающими отношения между x и y или a и b. Но задайте вопрос о влиянии x на b и попросите ответить сейчас, и телефонная линия, вероятно, замолчит.
        Если спросить учителя, как Джонни сегодня справляется с дифференциальным исчислением, то у преподавателя традиционной школы, вероятно, будет какое-то мнение о работе ученика от семестра к семестру, но он наверняка не будет знать, точно ли Джонни понимает разницу между локальным максимумом и минимумом в это самое время.
        Давайте посмотрим, как General Electric (GE), один из самых авторитетных брендов в мире, адаптирует эту модель, чтобы получать от своих машин больше.
        Передвижной центр сбора и обработки данных GE
        General Electric может быть на век с четвертью старше, но сегодня он видит себя софтверным стартапом. Мышление - и действие - ореолами сегодня распространяется на все подразделения компании, поскольку, чтобы вновь определить взаимоотношения клиента с «цифровыми близнецами» этих машин, GE инструментирует свои самолетные двигатели, компьютерные томографы, силовые турбины, буровые станки и локомотивы. GE ведет за собой Промышленный интернет и реализовывает возможности на рынке стоимостью двести двадцать пять миллиардов долларов3.
        Создав Ореол кодов вокруг своих двигателей для поездов, GE может использовать технологию и аналитику сенсоров, чтобы обеспечить кажущиеся маленькими улучшения, которые все вместе приводят к бизнес-победам, приносящим миллиарды. Последний локомотив компании, Tier 4, вооружен более чем двумястами сенсоров, и этот «передвижной дата-центр» преобразует взаимоотношения с клиентами в нескольких направлениях.

• НУЛЕВОЙ НЕЗАПЛАНИРОВАННЫЙ ПРОСТОЙ. Оснащенная измерителями машина может предоставить информацию о собственных потребностях в профилактическом обслуживании. С помощью постоянного сбора и анализа генерируемых сенсорами данных машина может как будто «махнуть рукой», сообщив работающим с ней инженерам: «Вот там у меня маленькая проблема, которая вскоре может превратиться в большую проблему» - будь то западающий клапан, забитый трубопровод для подачи горючего или перегревающееся колесо турбины. Через это инструментированное и автоматизированное обслуживание GE может быть уверенной, что маленькие проблемы не перерастут в большие и что машина GE, часто играющая для операций клиента центральную роль, никогда не подведет.

• НАЙТИ 1%. Мы все знаем, что в наших ежедневных действиях есть неоправданные потери. Пользуясь интеллектуальной машиной, GE может обратиться к клиентской базе и сказать: «Давайте вместе найдем этот низко висящий фрукт. Давайте найдем первый 1%». Если распространить его по всей железнодорожной отрасли, такой как BNFS Railway, то этот 1% может быстро превратиться в десятки миллионов долларов экономии издержек, которые снижаются незамедлительно.

•НАУЧИТЬ ПОЛЬЗОВАТЕЛЯ. Один из способов найти этот 1% - научить пользователя принимать наиболее эффективные решения. В случае с GE Transportation это может быть умный локомотив, сообщающий инженеру, как лучше пересечь конкретный горный проход. Именно так: машина может советовать, как оптимизировать расход топлива при движении вверх в гору и как лучше всего использовать тормоза на спуске. И определяется это не способом каких-то обобщений, миля за милей, поворот за поворотом, на основании истории пройденного пути, текущей погоды, стиля управления конкретного инженера и перевозимого груза. Результатом становится экономия топлива на 3 -17%.

• НИ ОДНА МАШИНА - НЕ ОСТРОВ. Один только интеллектуальный GE Tier 4 может обеспечить все эти преимущества, а целый флот интеллектуальных локомотивов, соединенных друг с другом, может поднять производительность на новый уровень (как показано на рис. 8.1). В конце концов, поезд эффективен лишь настолько, насколько эффективна его сеть; через оснащение приборами флота клиенты GE Transportation могут увеличить эффективность своих станционных работ и железнодорожных сетей на 10%^4^.
        Рисунок 8.1. Интеллектуальный локомотив GE
        Очевидно, как с помощью этих усилий мероприятия GE (по-прежнему молодого), связанные с Промышленным интернетом, меняют основу конкуренции в каждой из своих отраслей. Это отличный пример того, как каждая физическая вещь может быть - и должна быть - буквально закрашена всевозможными сенсорами, чтобы стать важнейшим элементом интеллектуальной системы.
        По сути, шаги GE в направлении инструментализации и оснащения сенсорами всей своей линейки продуктов и машин - в сердце их стратегии Промышленного интернета, которая лежит в центре общей корпоративной стратегии, кстати. Неудивительно, что с точки зрения GE Промышленный интернет к 2030 году должен создать рынок объемом в триллион долларов. Генеральный директор GE Джефф Иммельт, приводя в пример локомотив, говорит так: «На акциях Промышленного интернета за последние пятнадцать лет были сделаны триллионы долларов. Если вы заглянете на 10 или 15 лет вперед, то там будут созданы состояния в триллионы долларов. И мы только в первом иннинге»^5^.
        Знайте и свой бэк-офис тоже!
        В бизнесе «всезнаек» все может быть узнано, желательно, чтобы было узнано и должно быть узнано. Новые правила бизнеса основываются на знании, и знании большем, чем у вашего конкурента. Это правильно: знать и побеждать. Это неправильно: догадываться и проигрывать.
        Что касается сегодняшнего дня, то в использовании данных и устройств для обновления покупательского опыта нет ничего нового. Большая предстоящая работа - применение той же философии к другим, но, может быть, менее заметным аспектам предпринимательской деятельности. Этот склад ума всезнаек уже проявляет себя в некоторых общих для предприятий процессах, протекающих в их бэк-офисах, или не взаимодействующих с клиентом подразделениях.

•УПРАВЛЕНИЕ КАДРАМИ. Google применяет внутри компании инструментализацию для оптимизации управления сотрудниками, анализируя формальную, неформальную и личную информацию, которую генерируют в течение дня. Goggle пытается знать все о своих примерно пятидесяти семи тысячах работников более детально, чем это принято на больших предприятиях, и работает над тем, чтобы персонифицировать карьерный путь для каждого сотрудника. Ласло Бок (Laszlo Bock), старший советник в Google и бывший старший вице-президент по кадровым вопросам компании, указывает на положительный экономический эффект, вызванный данным подходом: лучший подбор, более долгий срок работы и больший уровень удовлетворенности от работы (все это с соответствующим финансовым подкреплением), чем у конкурентов. Ореол кодов вокруг людей позволяет Google также твердо принимать решения, касающиеся людей, как и решения, касающиеся разработок. Приобретение компанией Microsoft сети Linkedin в июне 2016 года за двадцать шесть миллиардов - продолжение похожей идеи: сбор данных вокруг людей, чтобы применить тот же тип сотрудничества и «социальной продажи»,
распространенной онлайн, в то, как большой бизнес проводит подобные процессы.

•УПРАВЛЕНИЕ ЦЕПЬЮ ПОСТАВОК. Концепция построения Ореола кодов вокруг «вещи» находит свой путь в глобальную цепь поставок, помогая производителям и ритейлерам отвечать на множащиеся вопросы от покупателей о происхождении продуктов и услуг, которые они приобретают, таких как: «Где была сделана эта рубашка и честно ли обошлись с людьми, которые ее сделали?» Например, производитель обуви Toms использует программный продукт, называемый Sourcemap, чтобы обеспечить прозрачность путешествия их продукта от фабрики по миру до магазинов в США и Европе. Покупатели могут ознакомиться с информацией об условиях на заводе, где производится обувь, могут проследить продвижение обуви, которую покупают, с помощью используемых сенсоров, на каждом этапе цепи поставок, в том числе на этапе сырья, производственного оборудования и транспортировочных контейнеров.

•УПРАВЛЕНИЕ УМНЫМ АВТОМОБИЛЕМ И АВТОМОБИЛЬНЫМ ПАРКОМ. Автомобили быстро становятся еще одной компьютерной платформой, по оценкам отрасли, на машине в среднем уже стоит около ста сенсоров и существуют планы удвоить это количество к 2020 году. Поэтому каждая машина - это передвижной генератор, выдающий данные, позволяющие производителям, страховщикам и другим подробно и в деталях узнавать о здоровье и рабочем состоянии каждого отдельного автомобиля. Отдельные предложения, такие как, например, Hum от Verizon, стоящее десять долларов в месяц, пытаются добавить «массы» в эту «массовую персонализацию». Использующий сервис автовладелец может в реальном времени узнавать о здоровье двигателя своей машины, актуальных дорожных условиях (какое именно следующее действие лучше совершить?), где именно он или она припарковались (или где находится машина, если она была украдена), а также целый набор другой информации. Мы считаем, что скоро такое съемное устройство будет находиться в каждом автомобиле (даже приобретаемом по бюджетной цене). Технология находит применение и в компаниях, управляющих парком машин или
грузовиков, обеспечивая их подробными сведениями о производительности маршрутов перевозок, оптимизации маршрутов и общем обслуживании парка - сведениями более подробными, чем когда-либо прежде.
        Что сделать в понедельник? Извлечь пользу из кода
        Представленные нами изученные примеры содержат общий элемент: люди просто начали. Вместо того чтобы месяцами намечать великие стратегии, пытаясь определить каждое конечное состояние, шаги конкурентов и ценностное предложение клиенту, после чего составить детальный план, который надо воплощать, лидеры инструментализации начали с того, что просто поставили в машину чип и посмотрели, что произойдет. Приняв это в качестве руководящей философии, рассмотрим несколько тактик, которые стоит принять и адаптировать к своему бизнесу.
        Купите коробку с чипами размера «экстра-большой»
        Мы показали, что получение ваших новых сырьевых материалов - первый шаг к построению эффективной интеллектуальной системы. Что ж, первый так первый: начните с того, чтобы заказать чипы, собственно, с сенсорами. Существует много сенсоров и измерительных устройств, таких как сенсоры радиочастотной идентификации, датчики ускорения, датчики близкого присутствия, датчики движения и так далее. Эти маленькие и часто дорогие устройства могут быть размещены на любом физическом предмете и генерировать данные (о том, чем является этот предмет, где он находится и так далее) и затем передавать данные в считывающее устройство. Датчики RFID, например, уже широко используются для отслеживания товаров внутри цепи поставок, управления снабжением и проверки личной информации в определенных ситуациях, например в случае с паспортами, управлением капиталом и бесконтактной оплатой. Возможно, вы даже найдете такой датчик, открыв эту книгу!
        СКОРО СЕНСОРЫ БУДУТ ВНЕДРЕНЫ В БОЛЬШИНСТВО, ЕСЛИ НЕ ВО ВСЕ, ФИЗИЧЕСКИЕ ПРЕДМЕТЫ В МИРЕ, И ДАЖЕ В ЛЮДЕЙ. Собственно, десять тысяч человек уже вживило себе под кожу чипы (и еще миллионы используют медицинские приборы, также оснащенные сенсорами)^6^. Они кажутся атрибутами Голливуда или ночных кошмаров, но чипы-импланты для людей - это передний край науки, находящийся еще на ранней стадии развития, но имеющий перспективы стать обыденностью.
        В независимости от типа конкретного датчика (или фактора чудаковатости людей, вжививших себе чип, как изнеженному питомцу), суть в том, что инструментализация - важный строительный блок внедрения в вашей организации ИИ и новой машины.
        Просто сказать «покупайте чипы» - это отчасти гипербола, но мы настаиваем на важности сказанного: вы и ваша команда должны рассматривать сенсоры как существенное, свободное и повсеместное явление и обильно применять их.
        Найдите отряд специалистов по обработке данных
        Если ваши инициативы по оснащению всего измерителями запущены, то скоро вы заметите, как много данных они приносят. Конечно, как говорилось в главе 5, эти сырые данные - этот сырьевой материал - бесполезны, если вы ничего не можете с ними сделать. Именно здесь в дело вступают специалисты по обработке данных. В этих словах слышно вожделение, но специалистов по данным называют «самой сексуальной работой XXI века», и их роль - найти бизнес-значение во всех данных, созданных инструментализацией^7^.
        Однако в нашем недавнем исследовании большие данные и аналитика были названы первой среди тех, что сложно найти, компетенций - не только сейчас, но и в следующие три года^8^. В то время как многие респонденты планируют сформировать межфункциональную команду (60%) или нанять сотрудников (58%), чтобы заполнить пустоту, многие другие (56%) планируют привлекать подрядчиков и сторонний персонал. Что бы ни выбрали вы, важно - настолько важно, что может означать разницу между успехом и провалом, - получить доступ к умным людям, которые помогут вытянуть бизнес-инсайт из быстро наполняющихся озер данных.
        Все, что вы делаете ради построения интеллектуальной системы, упирается в способность организовать использование сырьевого материала эпохи машин. Если талант сделать это отсутствует, то каждый описанный в книге шаг становится сомнительным. Нанимайте, переучивайте, привлекайте, поглощайте, умоляйте, крадите и одалживайте^9^. От этого зависит будущее вашей работы.
        Создайте бизнес-модель ореолов
        Информация дает помощь, но не без некоторого участия. Как мы говорили ранее, самое важное - просто начать, но в какой-то момент вам нужно будет показать материальный финансовый результат - возврат инвестиций, ROI.
        Практически все решения, которые мы наблюдали за последние семь лет, строятся по одной схеме. У кого-то появляется по-настоящему сложная, но интересная идея, и люди просто начинают. И хотя решения разные, во всех рассмотренных нами случаях, если бизнес начинает конкуренцию, вооружившись кодом, возникает бизнес-модель.
        Кажется, здесь проще сказать, чем сделать, но это происходит каждый день, и все сводится к установлению логической связи между инсайтом и ценностью. Лучший совет, что мы когда-либо слышали по этому поводу, - это быть проще и следовать за деньгами.
        Крупный индустриальный игрок сегодня способен очень серьезно относиться к экономии денег своих покупателей. Компания, производящая медицинское оборудование, сегодня предлагает более низкие цены на обслуживание и хорошо налаженный процесс разработки нового продукта. Менеджеры из каждого из этих актуальных сценариев знают, что их решения создают настоящую ценность, и в каждом случае находят возможность ее монетизировать.
        Пересмотрите опыт ваших покупателей
        Ореолы кодов изначально возникли в мире, «ориентированном на потребителя» IT. Участники того, что мы называем Клуб Триллиона долларов (Google, Amazon, Apple, Facebook, Netflix и Pandora)^10^, с самого начала были технологическими компаниями с бизнесом-для-потребителя, а не бизнесом-для-бизнеса. Движение Web 2.0 начала 2000-х годов задавало тон созданию приложений и основанных на технологии сервисов, легко выглядящих, удобных в использовании, увлекательных, молодежных и забавных, в противоположность технологиям «большого бизнеса», которые сложно использовать (во многом так и остается), они мало озабочены тем, чтобы выглядеть интуитивно и визуально привлекательными.
        Клуб Триллиона долларов, как и многие другие компании и организации (например, агрегаторы социальных новостей Reddit, Twitter, Mashable, микроблогинговая платформа Tumbler, приложения для бронирования отелей Hotel Tonight), поняли, для того чтобы создавать (и сохранять) пользователей, нужно упростить сложность технологий и соперничать на рынках, которые все больше пересекаются с индустриями моды и развлечений.
        Компания, которая впервые объединила все эти тренды вместе, была, конечно, Apple. Apple поняла, что дизайн устройства, или опыт, - как он выглядит, как ощущается, как используется, как переживается, какие чувства и ощущения дарит пользователям - не был уже чем-то, на что быстро взглянули маркетологи после того, как инженеры долго делали настоящую работу: это было абсолютным приоритетом для всего процесса создания, производства и продажи устройства или услуги.
        Успех этой философии говорит сам за себя. Красота продуктов Apple и опыт Apple сделали ее самой финансово успешной компанией в истории бизнеса. И хотя «красота» - вещь чудная, эфемерная, субъективная, кажется, не поддающаяся измерению, хороший дизайн оказался главным генератором богатства в истории. Это впечатлило даже самых холодных, бессердечных и циничных бухгалтеров.
        Урок от Apple заключается в том, что делать «вещи» красивыми - это не упражнение в эзотерике для тех, кому больше нечем заняться. Скорее это главный приоритет вашего списка дел. Каждый пример машины, освещенный в этой книге, имеет в основе дизайн-мышление. Narrative Science, Palantir, New Classrooms и все прочие компании, предлагающие интеллектуальные системы, понимают, что технология ради технологии - больше не формула успеха.
        Чтобы создать успешную машину, вы должны быть одержимы. Хороший дизайн - это не просто что-то, что приятно иметь. Это то, без чего невозможно обойтись в каждом аспекте вашего бизнеса. Если вы не привлекаете дизайнеров с самого начала разработки продукта или услуги, то пытаетесь победить в сражении с одной рукой, связанной за спиной. Вы играете в старую игру, когда все вокруг уже переключились на новую.
        Держитесь подальше от темной стороны
        Когда люди понимают идею конкурирования с помощью кодов, в голове начинают прокручиваться худшие сценарии о том, как корпорации, правительства и хакеры могут прямо или косвенно использовать имеющуюся информацию (с помощью медиаданных интернет-активности), чтобы обвести нас вокруг пальца, облапошить или просто ограбить втихую. И это «темная сторона ореола».
        Мысли, скрывающиеся за этой темной стороной, легко расшифровать. Ежедневные новости полны страшных историй, которые показывают, что мы действительно живем в «мире без секретов», как говорит аналитик Gartner Ричард Хантер (Richard Hunter)^11^. Всего за несколько прошедших лет мы увидели целый ряд громких случаев мошенничества, в том числе эти^12^:

•ANTHEM: похищены данные восьмидесяти миллионов бывших и нынешних клиентов американской страховой компании.

•ASHLEY MADISON: получен доступ к тридцати двум миллионам клиентских аккаунтов этого сайта знакомств с сомнительной репутацией.

•ДИРЕКТОР ЦЕНТРАЛЬНОГО РАЗВЕДЫВАТЕЛЬНОГО УПРАВЛЕНИЯ ДЖОН БРЕННАН: его личный почтовый ящик был взломан, и данные обнародованы.

•УПРАВЛЕНИЕ КАДРОВ ПРАВИТЕЛЬСТВА США: были вскрыты двадцать один миллион записей, в том числе пять миллионов шестьсот тысяч отпечатков пальцев государственных служащих.

•SONY PICTURES: было украдено сорок семь тысяч номеров социального страхования сотрудников и работников по контрактам, электронная переписка между руководством с обсуждением производства и выпуска фильма «Интервью» была предана огласке^13^.

•НАЦИОНАЛЬНЫЙ КОМИТЕТ ДЕМОКРАТИЧЕСКОЙ ПАРТИИ (DNC): двадцать тысяч электронных писем от руководства было выложено на WikiLeaks^14^.

•YAHOO: было вскрыто пятьсот миллионов пользовательских аккаунтов^15^.
        Неудивительно, что законодатели все чаще пытаются войти в эти быстрые и сложные воды. Весной 2016 года Европейский союз принял новый закон - Генеральный регламент о защите персональных данных, вводящий понятие «право забвения»^16^. В Соединенных Штатах Федеральное бюро расследований обращалось в Верховный суд с требованием, чтобы Apple раскрыла информацию с iPhone стрелка из Сан-Бернардино, пока одному из агентств не удалось проникнуть в телефон самостоятельно, без участия Apple^17^.
        Рисунок 8.2. Данные - основа доверия
        Вопреки всей этой деятельности и опасениям, кажется, темная сторона ореолов пока совсем не снижает энтузиазм людей относительно светлой стороны ореолов. Мы продолжаем голосовать пальцами. Во втором квартале 2016 года у Facebook было 1,7 миллиарда активных пользователей в месяц, что больше 1 миллиарда в 2012 году^18^. В момент написания книги рыночная капитализация Amazon (около 400 миллиардов долларов) оставила далеко позади Walmart (всего около 200 миллиардов), тогда как впервые он обошел его в 2015 году^19^. В феврале 2016 года Google стал самой дорогой компанией на Земле^20^. Очевидно, что все мы вместе ставим связанность, удобство и идеи гораздо выше этих рисков взлома. Это хорошие новости для бизнеса. Мы все привыкли к идее, что плохие вещи будут происходить, но ожидаем, что компании предпримут достаточные шаги, чтобы обезопасить нас, поскольку правильное обращение с данными - это основа доверия (как показано на рис. 8.2). Не существует простых ответов, но, к счастью, первые победители подбрасывают кое-какие идеи о правилах поведения на дороге.

•НЕ ПУГАЙТЕСЬ. Обзор экономики анализа и доверия сегодня ясен. В своих исследованиях мы обнаружили, что 50% потребителей готовы заплатить больше, чтобы заниматься бизнесом с компаниями, которым они доверяют (см. рис. 8.2)^21^. У компаний случались неприятности, когда они на основе какой-либо информации пытались сделать выводы таким образом, что заставляли клиентов чувствовать, будто к ним вторглись. Мы все понимали это, когда видели объявление на какую-то тему вскоре после того, как воспользовались поисковиком Google, или обнаруживали, что в ответ на наш интерес к рекламе Facebook заваливает предложениями нашу ленту. Это не кажется правильным, и более того, теперь мы знаем, что это формирует восприятие бренда.

•ДАЙТЕ КЛИЕНТУ КНОПКУ «УДАЛИТЬ». Все больше компаний понимают, что позволить клиенту легко выйти из взаимоотношений обмена информацией - здоровый способ для всех нас сделать шаг назад, и это позволяет избежать пугающих ощущений. Сделайте кнопку удаления, которую легко найти. Сокрытие ее в конце лабиринта не поможет вам набрать очков доверия. Люди передают компаниям свои данные с подразумеваемым или конкретно существующим контрактом, и часть контракта посвящена тому, что мы сможем уйти и забрать данные с собой. Если человек хочет выйти, убедитесь, что он легко найдет дверь.

•ПОКАЖИТЕ МНЕ, ЧТО ЗНАЕТЕ МЕНЯ. Поскольку передаваемые данные становятся все более информативными, компании могут сделать больше выводов о каждом из нас. Компании могут знать, имеем ли мы склонность садиться за руль пьяными, болеем, готовы завести ребенка, есть ли в нас альтруизм, левых мы или правых политических взглядов, и так далее. Если покупатель спрашивает: «Что вы обо мне знаете?», вы обязаны поделиться этой информацией. Даже если никто не спрашивает, вы должны быть прозрачны относительно того, какие делаете выводы, основываясь на имеющейся информации.

•ЗАЖГИТЕ СВЕТ РАВНОВЕСИЯ «БРАТЬ-ЧТОБЫ-ДАВАТЬ». Коммерция означает обмен стоимости на товары и услуги, и в цифровой коммерции ничего не меняется. Однако владельцы (или серверы) постоянно меняют данные. Потребители (или компании) делятся информацией за стоимость. Мы называет это отношениями «брать-чтобы-давать». Чтобы поддерживать доверие, компании должны быть совершенно откровенны о данных, что удалось собрать, и о ценностях, полученных взамен.

•САМОКОНТРОЛЬ ЖЕСТКОГО КОДА. Как мы отмечали в «Ореоле кодов», «саморегулирование организаций будет важнейшим элементом успеха». Практически на каждом крупном предприятии есть кучи документов и горы правил, касающихся безопасности, приватности и соблюдения законов. Конечно, все это останется, но этого недостаточно для управления новой экономикой, построенной на ценности данных. В дополнение, люди, которые получат доступ к этим данным, будут делать ошибки. В редких случаях даже могут появиться злодеи, пытающиеся получить к ним доступ ради личной выгоды. Что мы узнали от прогрессивно мыслящих, успешных в цифровой экономике компаний, так это то, что нам нужен жесткий код самоконтроля. Это не значит, что нужно обложить себя защитным слоем юристов и нереализуемых процессов. Это значит, что чьей-то работой должна стать забота о защите данных, о подверженности риску и управлении новыми взаимоотношениями вашей компании с данными. Технология опережает политику, и законы и правила никогда не наверстают это отставание. Нет простых и быстрых решений для управления рисками, но назначение старшего по цифровому
риску или внесение изменений в существующую рабочую должность ради распознания и управления вашими рисками и ответственностью за коды - это хороший первый шаг.

•СБОИ БУДУТ ПРОИСХОДИТЬ, НО ЭТО НЕ СМЕРТНЫЙ ПРИГОВОР. Бреши в безопасности вполне ожидаемы, так что вы должны быть готовы взять на себя ответственность и справляться со взломами. Жертвы крупнейших взломов - JMPC, Управление кадрами в США, Target и другие - заплатили за это огромную цену, но практически все они по-прежнему открыты для работы^22^. Учитесь у них: готовьтесь к темной стороне цифрового, но не считайте, что один неприятный случай уничтожит вашу компанию.
        Монетизируйте свои данные
        Данные - это новый сырьевой материал Четвертой индустриальной революции, поэтому не удивляет, что некоторые компании сегодня продают этот ресурс на рынке, создавая совершенно новые потоки доходов (с невероятной маржинальностью), чего несколько лет назад просто не существовало.
        У Comcast, например, есть «озеро» данных (на самом деле, больше похожее на небольшое море), полное информации о привычках потребителей медиа. В нем есть данные не только с телевизионных приставок, но и во многих случаях о загружаемых медиафайлах. Сегодня Comcast предлагает доступ к своим кодам за деньги, поскольку понимает, что эти данные - настоящая сокровищница для других компаний^23^.
        Lora Health, еще одна компания, пытающаяся расшевелить разлаженную в настоящее время систему здравоохранения США (как это делает и TriZetto), предлагает новую коммерческую модель, основанную на результатах лечения пациентов, общественных консультантах по здоровому образу жизни и менеджменте данных. Пока что это работает. По мере большего вовлечения пациентов, Lora Health увидела снижение госпитализаций на 35 -40% и снижение затрат на медицину на 12 -15%^24^. В обоих случаях организации сосредоточены на богатых данными процессах и применяют новые технологии и бизнес-модели, чтобы создавать ценности, монетизируя данные и выходя на гораздо более широкие рынки. Вам тоже стоит этим заняться.
        Цифры над картинками: следующая эпоха бизнеса и технологии
        Конкуренция в кодах сегодня становится подразумеваемой, базовой моделью нашей современной экономики. Оснащение измерителями всего, поиск специалистов по обработке данных и других больших талантов в работе с данными и аналитикой, избегание темной стороны ореола - все это тактики, которые вам надо применить, чтобы начать. Состояние будут обретены и проиграны в зависимости от ваших организаторских способностей по применению лицевой стороны ореола и ослабления его обратной стороны.
        В главе 7 мы показали, как будет применена автоматизация для снижения затрат практически во всех бизнес-функциях. Эти средства должны быть использованы для воплощения в жизнь решений, связанных с Ореолом кодов. Победа с помощью данных - это первая конкурентная игра практически в любой отрасли. Компании, которым не удается принять эту стратегию, обречены лицом к лицу встретиться c собственным угасанием.
        Далее рассмотрим, как интеллектуальные системы могут позволить нам быть лучше, чем мы есть, умнее, эффективнее и увлеченнее, коротко говоря - стать «расширенными».
        Глава 9
        Расширение: Дополнить деятельность человека новой машиной
        Февраль 2003 года. Вы едете на своей машине на встречу в центр Чикаго. Трафик ужасный. Вы опаздываете. Вы быстро опускаете взгляд на направление и карту, которую распечатали из Yahoo! Вы знаете, что должны съехать с трассы Кеннеди на 50В, но пропускаете съезд, съезжаете в 51В и понимаете, что он ведет на запад, а не в центр. Вы сворачиваете на заправку, снова смотрите карту и поворачиваете на Лейк-стрит, чтобы вернуться на трассу. Вы пропускаете поворот. Вы смотрите на часы: 8:55 утра, встреча через пять минут. «Я не справлюсь, я сорву сделку, начальник меня убьет».
        Февраль 2017 года. Вы ведете машину на встречу в центр Чикаго. Трафик ужасный. Из вашего смартфона раздается голос навигатора Waze: «Съезжайте на Нос-Милуоки-авеню в сторону Вест-Гранд-авеню». Вы никогда там не были раньше. Через пару секунд Waze говорит снова: «Съезжайте на Нос-Франклин-стрит, затем поверните на Ист-Ойо-стрит». «Ну ладно, - говорите вы, - если ты так считаешь». Проходит еще пара минут. «Пункт назначения слева от вас в пятистах ярдах». Вы смотрите на часы: 8:55 утра, встреча через пять минут. «Я справлюсь, я закрою эту сделку, начальник будет меня любить».
        Сегодня легко ездить по местам, которых не знаем, мы вообще едва ли задумываемся об этом. Однако раньше это было трудно. Множество разногласий между супругами и сорвавшихся сделок, проистекающих из споров о том, направо или налево нужно было свернуть на перекрестке. С умными системами GPS, будь то приложение на смартфоне или встроенная в приборную панель функция, сегодня заблудиться гораздо сложнее. Мы можем узнать наверняка, что делать, когда делать, куда двигаться, какое именно действие сейчас лучше совершить - и все это благодаря заслугам технологического расширения. Как результат - многим парам пришлось искать другой повод для ссор.
        GPS-система, которую мы сегодня воспринимаем как должное, - это своеобразное превью будущих преимуществ того, как новые машины все больше и больше обогащают разные аспекты нашей работы и личной жизни. Рассмотрите следующие варианты с вашей собственной точки зрения, представив, что ищете способных помочь вам в чем-то профессионалов.

• Заболев, вы пошли бы скорее к врачу, который может отследить всю цифровую историю ваших недугов и еще до визита сопоставить информацию с вашей историей и с медицинскими тенденциями, присутствующими именно в вашей области, для постановки точного диагноза? И чтобы врач мог воспользоваться вашим присутствием на приеме для подтверждения диагноза и обсуждения индивидуального плана лечения? Или предпочли бы традиционный подход, когда врач-терапевт на первичном приеме за семь минут осматривает вас, подгоняя, задает несколько вопросов, потом пытается определить заболевание без какой-либо помощи и, направляясь к выходу, вручает рецепт?

• Выбирая юриста, вы предпочли бы того, что использует цифровую платформу, чтобы убедиться, что все релевантные случаи применения закона - по тысячам дел - были учтены и вся история судьи и адвокатов-оппонентов проанализирована при подготовке к вашему делу? Или бы выбрали адвоката с маленькой командой помощников, которые полагаются только на свои навыки и личный рабочий опыт, чтобы выработать лучшую законную стратегию?

• Как родители вы бы чувствовали себя комфортнее, зная, что учитель вашего ребенка каждый день подстраивает учебный план, чтобы убедиться, что ребенок полностью разобрался в теме, или выберете того, который сможет рассказывать о достижениях ученика лишь раз в несколько месяцев или около того, основываясь на результатах стандартных тестов?
        Когда дело касается личного выбора, ответ становится очевидным. Подавляющее большинство из нас предпочтет работать с дополненным человеческим опытом, с тем, на чьей стороне выступает сложная интеллектуальная система.
        Кроме того, в вашей профессиональной жизни что предпочтут ваши клиенты? Продавца, вооруженного ответами на все вопросы о товаре и ценах, или того, кто сыплет анекдотами и блещет харизмой? И в сегодняшней войне за таланты где захотят работать лучшие наемные работники - там, где у них есть все инструменты для отличной работы, или там, где они завязнут в чем-то нужном и неэффективном?
        По этим причинам мы считаем силы, расширяющие наши возможности, позитивными, а опасения по поводу того, что автоматизация заменит и вытеснит рабочие места, не вполне продуманными. Как говорилось в главе 3 («Будет кровь»), подавляющее количество вакансий белых воротничков будет не замещено этими новыми машинами, а сделает их лучше. Мы верим, что более 80% учительской работы, работы младшего медперсонала, юристов и кодировщиков сделается более продуктивной, прибыльной и удовлетворительной с помощью компьютеров - другими словами, станет «расширенной».
        Каменный век, Бронзовый век, Железный век… Цифровой век
        ИСТОРИЯ ЭВОЛЮЦИИ ЧЕЛОВЕКА - ЭТО, КОНЕЧНО, ВО МНОГОМ ИСТОРИЯ ЭВОЛЮЦИИ ЕГО ИНСТРУМЕНТОВ, ОТ ЗАТОЧЕННОГО КАМНЯ, используемого австралопитеком 2,5 миллиона лет назад в Восточной Африке, ДО NVIDIA DIGITS^TM^DEVBOX^TM^, используемой пионерами технологии глубокого обучения сегодня. Мы использовали инструменты, чтобы поднять себя из саванны в море Спокойствия на Луне, наши инструменты сформировали и продиктовали работу, которую сегодня выполняем, и то, как ее выполняем.
        Инструменты всегда расширяли возможности человека. С помощью рычага мы можем поднять гораздо больше, чем могли, используя только мускулы. С поршнями и коробкой передач мы движемся быстрее. С калькуляторами считаем быстрее и точнее, чем в уме. С хирургической системой da Vinci® врачи могут делать гораздо менее инвазивными хирургические вмешательства.
        Расширение в офисе
        Теперь наши инструменты снова меняются, а потому меняются работа и человеческие способности. Как сказал нам Джозеф Сирош (Joseph Sirosh), корпоративный вице-президент Группы данных в Microsoft: «Практически любой опыт сегодня становится интеллектуальным благодаря данным». Указывая на основанную на искусственном интеллекте цифровую программу-помощник Cortana (Кортана) от Microsoft, Сирош сказал: «Вы будете задавать вопросы Cortana, и она будет помогать, поймет ваше расписание и встречи. С ней вы станете намного эффективнее. Компании будут использовать имеющиеся у них данные, чтобы помочь своим сотрудникам преуспеть и жить более здоровой жизнью, лучше управлять своей эффективностью на работе, иметь лучшую окружающую среду на работе и лучшие социальные структуры».
        По сути, Cortana расширит вас как работника.
        Этот машинный интеллект, часто антропоморфно называемый человеческим именем, также больше известный как «бот» или компьютерная услуга, выполненная не человеком, распространяется на все более широкий круг задач и процессов как тривиальных, так и достаточно глубоких. И хотя составление расписания встреч, может, и будет полезным, но в диагностике хронических состояний докторам это не поможет.
        Расширение в больнице
        В городе Лебанон, штат Нью-Гэмпшир, в Медицинском центре Дартмут-Хичкок Microsoft сотрудничает с многопрофильной командой докторов и технологов над инициативой, названной ImagineCare, направленной на расширение работы медиков и медицинского персонала с помощью интеллектуальной машины. Как сказал нам Сирош: «Оказывается, многие хронические состояния - и события, ассоциируемые с хроническими состояниями, - на самом деле, можно предсказать с помощью данных. Если у пациента высокое кровяное давление, если он набирает вес, мы можем с достаточно высокой точностью предсказать у него риск застойной сердечной недостаточности. И раз это можно предсказать, вы способны избежать того, что пациента привезут в неотложку, заведомо приняв меры предосторожности, такие как рекомендация приема диуретиков, чтобы пациент не накапливал воду в легких, что как раз и ведет к застойной сердечной недостаточности».
        ImagineCare планирует создавать и распространять эти профилактические сервисы, чтобы расширить, обогатить деятельность докторов, используя новую машину и новые сырьевые материалы. С их помощью и благодаря новой машине человеческий профессионализм может вырасти в разы - на уровни, не достижимые прежде.
        Расширенная работа будет защищенной работой
        В сердце расширения - простая идея о том, что почти каждый человек и каждая работа может и должна быть улучшена с помощью технологии. Каждый учитель должен быть расширенным учителем, каждый банкир должен быть расширенным банкиром, каждый солдат должен быть расширенным солдатом. Это вы/ваша работа плюс технология.
        Конечно, многие из нас уже довольно активно используют технологии для расширения своей деятельности способом, предшествующим ИИ. Возьмите для примера нас троих. Мы пишем на компьютерах, разговариваем с помощью машин для видеоконференций, читаем на iPad и бродим по Google. Но даже у людей, казалось бы, находящихся на переднем крае инноваций, существует много аспектов работы, лишь едва затронутых технологией. Новая технология могла бы расширить будущее: расписания и отчеты о расходах будут автоматизированы, Cortana и Amy смогут автоматически назначать наши встречи и конференц-звонки, мы будем использовать беспроводные колонки Echo, оснащенные голосовым помощником Alexa, для создания презентаций Prezi, произнеся всего несколько ключевых слов: «Найти изображение современного здания и наложить его на последние квартальные результаты»^1^. Список можно продолжать и продолжать.
        Для тех, кто видит только обратную сторону автоматизации, фраза, придуманная и размноженная Эриком Бриньолфссоном (Erik Brynjolfsson) и Эндрю МакАфи (Andrew McAfee) из Массачусетского технологического института (MIT) в заголовке их книги, приобрела очень мощное значение^2^: наперегонки с машиной. Но многие люди упускают то, что авторы, в конце концов, указали: мы уже соревнуемся с машиной.
        Технология всегда давала и всегда отнимала. Автоматизация и вытеснение человеческой работы технологией - факты нашей жизни. Важнее то, что эта динамика - хорошая вещь. Больше инструментов - больше левериджа, что означает большую эффективность и большую производительность. Результатом этого становится повышение маржинальности, что означает способность и возможность делать более ценную работу и использовать более ценные навыки (т. е. расти). Это путь к защите работы, а не к ее уничтожению.
        Поэтому задача каждого руководителя или лидера - и вообще каждого человека - определить роли, процессы, системы и опыт, которые можно обновить с помощью ставших теперь доступными технологий, представить новые подходы и конструкты. Для учителя это может означать «опрокидывание» школьного дня - выполнение «домашней работы» в классе и «классной работы», такой как слушание лекций, дома. Для банкира это может означать возможность увидеть финансовый Ореол кодов клиента и немедленно узнать о том, что дальше понадобится. Для врача это может означать возможность ознакомиться с Ореолом кодов пациента (полученным от носимых устройств и предыдущих медицинских записей) до того, как пациент войдет в смотровую комнату, или, что еще лучше, быть способным провести диагностику пациента, пока тот находится дома. Учитель, врач или банкир с расширенными возможностями обеспечат более высокий уровень услуг, сделают это быстрее и за меньшую цену (и/или с меньшей наценкой), а сам процесс также во многом станет лучше (в том числе с точки зрения безопасности работы). В этой новой модели учителя, банкиры и доктора вернутся к
тому, что они любят в своей работе, и сбросят с себя «административщину», что сводила с ума. Однозначно, эта ситуация выигрышна для всех (как для покупателя, так и для продавца).
        Эти идеи очевидны для системы ALEKS от McGraw-Hill Education, упомянутой нами в главе 1. ALEKS (Assessment and LЕarning in Knowledge Spaces) - обучающая и помогающая онлайн-программа, включающая курсы по таким предметам, как математика, химия, статистика и бизнес, направленная на создание индивидуально побранных, персонализированных образовательных возможностей для всех и каждого как в конкретной классной комнате, так и в виртуальной образовательной среде. Как и New Classrooms (описано в главе 2), так и ALEKS расширяют работу учителя, улучшая его опыт для самого учителя и его учеников.
        Вы не можете принести Apple в ALEKS
        ALEKS от McGraw-Hill Education основана на оригинальной теоретической работе в данной области, называющейся «Теория пространства знаний» (Knowledge Space Theory). ALEKS динамически вмещает в себя и управляет «картами знаний», которые постоянно меняются в результате взаимодействия с учениками. ALEKS ведет учеников через череду исследований и усвоения материала, используя карту знаний, чтобы определить путь и ритм, соответствующий способностям, силам и слабостям конкретного человека.
        Стефан Ластер (Stephen Laster), директор по цифровым технологиям в McGraw-Hill Education, рассказал, что такие системы, как ALEKS, «делают учителя и ученика более вовлеченными, более работоспособными, более эффективными… Представьте, что вы преподаватель алгебры первого года в местном колледже и у вас четыреста студентов. Более половины из них приходят в колледж неподготовленными, по всем тем причинам, о которых мы можем прочитать в прессе. ALEKS позволяет учителю очень быстро, с помощью таблиц с данными и обратной связи, хорошо почувствовать класс, отдельных студентов, а также получить рекомендации разделения студентов или их объединения в подгруппы… Смог бы учитель сделать это без технологии? Конечно. Есть ли у него время заниматься этим? Совершенно нет».
        Трое из нас провели много времени в кругах, близким к обучению и учителям, и в первую очередь наблюдали невероятную самоотдачу, необходимую для обучения студентов всех возрастов. ALEKS расширяет жизни учителей, забирая на себя большую часть рутинной работы.

«Ценность учителя не в том, что он сидит тут и выставляет оценки или пытается создать в Excel собственную систему аналитики или эвристики. Мы можем сделать это за него, - объясняет Ластер. Мы также можем помочь лучше понять своих учеников. А ценность учителя - во времени, которое он проводит с учениками, будь то через технологии или лицом к лицу, обеспечивая настоящее консультирование в маленьких группах, с лучшим содержанием и всеми теми вещами, которые за него сегодня не может сделать технология. Вот что для учителя делает ALEKS».
        Системы, подобные ALEKS, по словам Ластера, позволяют учителю «более глубоко задуматься о нуждах своих студентов. Помогают потратить больше времени на подготовку увлекательных экспериментов в классе и провести больше времени с учениками. Потому что ALEKS занят тем, чтобы разгрузить преподавателя от некоторых основных функций оценки и анализа, которые еще 10 -15 лет назад приходилось выполнять руками в VisiCalc, или Excel, или на том, что есть. ALEKS позволяет учителю сохранять контроль над ситуацией. Она создает свои классные занятия. Она может конфигурировать что-то вроде ALEKS под свой учительский стиль и нужды студентов. Но программа сохраняет время и позволяет учителю затем сосредоточиться на тех видах деятельности, которые оказывают наиболее сильное влияние на студентов, вдохновляют и вовлекают их».
        Это и есть расширенный учитель. Это учительская профессия, защищенная технологией, а не замененная ею. На самом деле, идея учителя, замещенного «роботом-тьютором в облаке», Ластеру видится обреченной на провал. «Роль учителя остается центральной, если не еще более важной в технологическую эпоху. Но это будет роль ментора. Это роль распространителя мудрости. Учитель, как тот, кто требует от вас освоить уровень один и уровень два с помощью механической зубрежки, уйдет в прошлое. Вот на что повлияют технологии. У учителей светлое будущее, поскольку учительство по своей природе социально: по мере того как вы продвигаетесь вверх по уровням, классам, в университет и дальше, действительно от учителя зависит мудрое руководство, помощь в формировании человека, которым вы хотите быть. ALEKS знает свое место и служит учителю так, как служат электронные динамические таблицы блестящему финансисту».
        Лидеры бизнеса и технологий, находящиеся в поисках уроков по расширению, могут многое узнать от McGraw-Hill Education.
        Рисунок 9.1. Пространство для обучения с ALEKS

• БУДЬТЕ ГОТОВЫ БОРОТЬСЯ СО СТРАХОМ БОТОВ. Будущее работы учителей многому нас научит. Мы не стоим перед лицом страшного будущего роботов, в котором наших детей будут учить боты. Программы-боты будут помогать, но не замещать учителей. В вашем собственном бизнесе следуйте критериям из главы 7, чтобы определить, какой тип работы стоит автоматизировать, а затем нацеливайтесь на работу, которая должна остаться у людей, но расширена новыми технологиями, такими как ALEKS. Вам нужно быть готовыми объяснять, как это расширение улучшит жизнь многих людей.

• ИЩИТЕ ВОЗМОЖНОСТИ ТАМ, ГДЕ УСЛОВИЕ «В РЕАЛЬНОМ ВРЕМЕНИ» ИМЕЕТ РЕАЛЬНОЕ ЗНАЧЕНИЕ. Интеллектуальные системы предлагают как чистую мощность обработки, так и скорость. В контексте образования быстрота значит много. Как заметил Ластер, «когда студенты занимаются с ALEKS и Connect and LearnSmart, анализ происходит практически моментально. Нет ни одного учителя, который мог бы так быстро давать оценки». В одних случаях скорость значит больше, чем в других, но наши ожидания незамедлительного вознаграждения, отклика сегодня выше, чем когда-либо. Amazon и другие много вкладывают в то, чтобы свести временные отрезки в цепи поставок практически к нулю. Представьте, что скорость могла бы значить в вашем бизнес-контексте. Могло бы расширение возможностей тех, кто обрабатывает заявления на ссуды, повысить удовлетворенность клиента и увеличить прибыль, разгоняясь с помощью технологии? Какие преимущества получите, если ваши андеррайтеры будут срабатывать практически молниеносно? Дело здесь в том, что интеллектуальные системы освобождают время для более ценной работы и повышают производительность - и это серьезные
результаты расширения. Велики шансы, что именно сейчас вы сидите на одной из этих возможностей.

• ЦЕЛЬТЕ ВЫСОКО И БУДЬТЕ СМЕЛЫМИ. Они пришли из разных отраслей и разработали разнообразные платформы с ИИ, но практически все создатели цифровой экономики, с которыми мы встречались, разделяли ту же точку зрения. Ни один из них не говорил о сломе конкурентов или о том, чтобы разбогатеть. Все говорили об использовании технологии для решения действительно важных проблем в образовании, здравоохранении, сельском хозяйстве и дюжине других индустрий. Они признали, что интеллектуальные системы - средство, а не цель и что создание ПО без особенной на это причины - потеря времени и денег. Как говорит Ластер: «Да, мы за программное обеспечение, и за данные, но мы также продолжаем быть за курирование, за педагогику, за то, как протекает обучение, за формирующее оценивание».
        Мы не настолько наивны, чтобы ожидать, что произойдет что-то хорошее, когда вы войдете в свой директорский кабинет и скажете: «Нам не нужно думать о том, чтобы зарабатывать, давайте просто инвестировать в то, чтобы сделать мир лучше». Честно говоря, это откровенно плохая стратегия. Одна из вещей, которой можно научиться у McGraw-Hill Education, - это быть смелыми, дерзкими внутри контекста своего бренда и услуг, которые продаете. Это и ЕСТЬчестная игра для расширяющих решений в цифровой экономике.
        Умные роботы делают руки умнее
        Комбинация умных рук и умных роботов со временем становится все более заметной, и не только потому, что машины постоянно становятся умнее (как мы рассказывали ранее в этой книге), но умнеет и человек. Отличным примером служит один из наиболее широко известных моментов этих новых взаимоотношений человека и машины, когда чемпион по го Ли Седоль соревновался с интеллектуальной машиной AlphaGo от Google.
        В их матче в 2016 году AlphaGo сделал ход - ход 37, - удививший Седоля (и всех комментаторов-экспертов), который, по сути, был расценен командой Google как ошибка. Оказалось, однако, что это победный ход во второй игре в серии из пяти игр. В четвертой игре ход сделал Седоль - ход 78, - который удивил AlphaGo, поскольку, как говорит об этом Демис Хассабис (Demis Hassabis), сооснователь DeepMind - команды, сотрудничающей с Google, «AlphaGo не думал, что человек когда-нибудь так сыграет»^3^. С этим 78-м ходом игру выиграл Седоль.
        AlphaGo продолжал выигрывать в решающей пятой игре, и Седоль позднее вспоминал, что не смог бы снова сделать тот 78-й ход, хотя и играл против AlphaGo: машина «открыла глаза» новым способам ведения игры. Опыт Седоля при этом все-таки был расширен: через это взаимодействие с машиной он стал умнее и сложнее.
        Машина как коуч
        Парируя той точке зрения, что машины заполнят большой сектор устаревшей буржуазной рабочей силы, Макс Янкелевич (Max Yankelevich), основатель и генеральный директор разработчика умной автоматизации процессов WorkFusion, видит впереди намного более сложное будущее. Как он сказал нам: «Комбинация человек плюс ИИ дает в результате три… Наши клиенты не стремятся избавиться от людей; на самом деле они хотят подтолкнуть их выше, к более результативной деятельности, которая требует большего напряжения ума. Они видят в ИИ возможность продвинуть своих людей выше в этой интеллектуальной массе, где они дают предприятию больший результат. Вот как мы видим эволюцию вещей».
        Так как AlphaGo сделал Ли Седоля более опытным игроком в го, машины, работающие на передовой на предприятиях бок о бок с нами, сделают нас лучше в том, что делаем мы. И не только в элитной работе, такой как доктора и юристы, но и в более прозаичных, негламурных должностях, занимаемых людьми в миллионах офисах по всему миру: в работе по обработке заявлений на выплату страховки и клиентских жалоб, в работе по доставке прибора А из пункта В в пункт С.
        Программное обеспечение WorkFusion, используемое предпринимательскими фирмами для дигитализации процессов, таких как адаптация клиента, проведение сделки и обработка заявлений, автоматизирует широкий круг рутинной интеллектуальной работы через ротобизацию и машинное обучение - в WorkFusion это называют «когнитивная автоматика». Роботизированное оборудование автоматизирует работу, выполняющуюся исключительно по правилам: работа с унаследованными приложениями, перемещение данных из одной системы в другую; когнитивная, или познавательная, автоматика берется и за оценочную работу, имеющую дело с более сложными, неструктурированными данными. Программное обеспечение учится с помощью исторических данных и «наблюдая», как в реальном времени работники категорируют и извлекают главное из неструктурированных данных. Сначала люди контролируют результаты работы WorkFusion, но по мере того, как число повторяющихся процессов растет с сотен до тысяч, программное обеспечение может начинать выступать автономно и автоматически выделять исключения, которым требуется полноценное человеческое суждение. Как говорит
Янкевич: «Перевод в автоматический режим касается объемной, рутинной работы, в то время как человек обращается к более интересной и более сложной работе, снижая ее общий объем».
        Видение Янкевича однозначно заключается в том, чтобы «держать людей в курсе» и применять силу машин для того, чтобы создать работу более ценную как для организации, так и для самих людей. Янкевич твердо верит, что умная автоматизация процесса - корень не только снижения расходов, но и улучшения качества работы. Янкевич описывает это как «работу, требующую человеческого прикосновения, по-настоящему экспертную работу, работу, требующую множества разных и сложных процессов и интеллектуально стимулирующую, ту, что позволяет нам, как обществу, становиться более продуктивными в творческих областях».
        Для многих история автоматизации, ИИ и машинных центров - история только о «разрушении», однако реальным наследием, освобожденным машинами, будут и «креативные» силы. В противоположность тому, как это происходит в мире тенниса, где тренер Энди Мюррея (Andy Murray), бывший номер один в мире Иван Лендл (Ivan Lendl), с трудом доносит свои идеи кому-то с рейтингом 3.0 в местном клубе, алгоритмы в умных программных продуктах для автоматизации процессов гораздо более демократичны, помогая повысить уровень сотрудника на любой позиции. ПО WorkFusion с помощью автоматизации выполняемой работы может поднять как юриста-выпускника Гарварда, так и клерка, получившего образование в местном колледже, позволив им сосредоточиться на более ценной деятельности. Это настоящая сила в мире, где машины становятся умнее не для того, чтобы заменить нас, а для того, чтобы помочь подняться выше по ранжированию, в большие трудности и за большие деньги.
        Эти взаимоотношения человека/машины наряду с дополнением, с приданием нового импульса работе человека, которые она создает, могут также быть поняты через работу инженеров Amazon, использующих способности машин к самообучению, развиваемых в рамках Amazon Web Services (AWS).
        Др. Мэтт Вуд (Matt Wood), главный менеджер по стратегии развития товара в AWS, объяснил нам: «Мы провели небольшой внутренний тест, где два старших разработчика стараются угадать пол клиента только по имени. Традиционно в такой ситуации вы бы просто взглянули на данные переписи и сказали: «Ну, большинство людей с именем Мэтт оказываются мужчинами». На этом вы бы строили свои догадки». Инженеры обнаружили, что там существовало несколько серых областей: «Если речь идет о Пэт или Сэм, то, основываясь на имени, определить пол уже сложнее», - говорит Вуд. За решение этой задачи взялись два инженера, которые с нуля выстраивали алгоритм. По словам Вуда, у них ушло почти два месяца на создание ПО, его проверку и отработку моделей, но через два месяца они получили точность определения более 90%. «Мы подумали: “Хорошая работа”, - рассказывает Вуд. - Затем мы взяли одного разработчика из другой команды, дали ему созданный ранее внутренний сервис машинного обучения AWS, и они тоже смогли прийти к тому же уровню точности, выше 90%, однако им удалось это сделать за несколько дней».
        Вуд считает, что «в свое время большая часть задач будет решаться с помощью компонента машинного обучения. Он сыграет свою роль в очень, очень большом количестве случаев и трудностей, с которыми сталкиваются клиенты».
        Вуд предсказывает, что со временем с платформами машинного обучения будут взаимодействовать все больше экспертов. В объединении умных людей с системами, у которых есть большой (и быстро расширяющийся) набор данных, эти дополненные, расширенные личности будут создавать ценность, которая со временем будет расти и становиться более сложной.
        Как говорит Вуд: «У вас есть это классное колесо фортуны из разработки, метода использования, создания данных и решения проблемы, которое снова приходит к созданию новых данных, затем снова идет к разнообразным способам, которые вы можете выбрать для оптимизации конкретных подходов или методов, и этот цикл повторяется снова и снова».
        ИСПОЛЬЗОВАНИЕ НОВЫХ ИНСТРУМЕНТОВ ДЛЯ РАСШИРЕНИЯ, УГЛУБЛЕНИЯ СВОЕЙ РАБОТЫ ПОМОЖЕТ ДОСТИЧЬ СЛЕДУЮЩЕГО УРОВНЯ ЧЕЛОВЕЧЕСКОЙ РЕЗУЛЬТАТИВНОСТИ. И честно говоря, нам есть что расширить.
        Расширение - это технология на службе человека
        Один важный, но часто упускаемый из виду аспект расширения работы - распознать отношения, существующие между расширением работы/роли/процесса и ее автоматизацией. Во многих случаях автоматизация и расширение существуют симбиотически, по принципу две-стороны-одной-монеты. Сторону, которую эффективно расширять, человек должен автоматизировать. У учителя есть возможность «переключиться» на класс, только если он автоматизировал какие-то аспекты обучающих рабочих процессов. Если учитель не автоматизировал урок, то не сможет в течение дня выделить время на то, чтобы уделить внимание конкретным потребностям каждого ученика. Если банкир не автоматизирует создание Ореола кодов клиента, то потратит время, которое мог бы провести за созданием человеческих отношений с клиентом, перелопачивая информацию, необходимую для прояснения ситуации клиента. Автоматизация - не враг расширения, по сути, она играет центральную роль в этом расширении.
        В следующей волне конкурентной битвы - на коммерческом, социальном, экономическом уровне - победителями станут те, кто продолжает верить в прогресс, создаваемый технологией, расширяет, понимает силу «инструментов» и адаптируется к их эффективному использованию.
        Что сделать в понедельник? Станьте партнерами с интеллектуальными системами
        Уже сегодня вы можете сделать два важных шага (даже если это не понедельник), чтобы запустить мяч расширения:

1. С удвоенными силами сосредоточьтесь на том, чтобы быть более человечными.

2. Создайте свой роботизированный скелет белого воротничка.
        С удвоенными силами сосредоточьтесь на том, чтобы быть более человечными
        Чем больше технология расширяет нас, тем больше создает возможностей ощутить человеческое прикосновение. Когда компьютер хорошо делает то, что делает, он дает возможность сосредоточиться на том, что хорошо делаем мы: проявлять эмпатию, выстраивать отношения и решать сложные ситуации.
        Вспомните, когда вы в последний раз подходили к прилавку аренды автомобиля в аэропорту. Преодолев длинный и трудный полет и простояв в очереди в агентстве уже пятнадцать минут, вы наконец попадаете к представителю компании. Встречали ли вас теплым и радостным приветствием, сопровождаемым коротким, но вдумчивым обсуждением ваших планов, нужд, конкретной аренды и возможных опций? Или обслуживающий агент встретил вас бормотанием, избежал какого-либо зрительного контакта и, несколько минут покликав по меню, распечатал трехстраничный договор в трех экземплярах? Мы втроем много путешествуем и знаем ответ: в 90% случаях это будет последний вариант.
        В случае с агентами по аренде автомобилей, а также в тысяче других похожих ролей и процессов в любых отраслях, мы не виним сотрудников - мы виним компанию. Ведь выходит, что компания не вооружила стоящего перед лицом клиента работника для надлежащего выполнения своих обязанностей - для того чтобы быть, ну, человечным. Вместо этого на него была взвалена тяжеловесная технология, которая через восемь часов рабочего дня вышибла из него хорошее настроение. Вместо того чтобы заняться сутью своей работы - быть дружелюбным лицом компании и вселять в покупателя счастье, - он проводит большую часть времени, управляясь с неуклюжей системой, наложенной на архаичный процесс.
        Это всего лишь один тип ситуации, которая может быть сделана более человечной с помощью новой машины. По мере того как технологии следующего поколения облегчают работу агента по обслуживанию клиента, не требуя от него больше ручного ввода данных в систему, он освобождается для обеспечения по-настоящему человеческого общения.
        Сегодня мы видим это во многих областях ритейла.

•ZAPPOS, ведущий интернет-продавец обуви, годами работает над максимальным усилением своего департамента по работе с клиентами. Zappos может казаться первой среди технологических компаний, но они давно поняли, когда клиент звонит в их кол-центр, это становится для компании шансом закрепить отношения с ним. И как далеко пойдет Zappos? Однажды разговор продолжался 10 часов и 29 минут! Большая часть этого разговора вовсе не касалась обуви, речь шла об интересе клиента к жизни в районе Лас-Вегаса. Реакция Zappos? «Иногда людям просто надо поговорить. Мы их не осуждаем - мы просто хотим помочь». Ах да, клиент все-таки купил пару сапог UGG^4^.

• В PRET A MANGER, быстро растущей, суперсовременной сети фаст-фуд ритейла большая часть продуктов в магазинах приобретается в режиме самообслуживания, то же происходит и на терминалах оплаты. Однако индивидуальность Pret a Manger базируется не на этой комбинации высококачественной еды, проданной эффективно и по хорошей цене. Краеугольный камень покупательского опыта - это персонал, эксцентричный, веселый и увлеченный. Добавив эффективности в некоторые свои операции, Pret бросил двойные силы на то, чтобы быть более человечным, дав покупателям не только еду хорошего качества, но и жизнерадостный и позитивный перерыв в их занятых, полных стрессов рабочих буднях^5^.

•APPLE похожим образом изменила игру в ритейле, радикально перевернув опыт пунктов продажи, убрав кассовые терминалы и передав автоматизированные инструменты в руки линейного персонала. Что сделала Apple всей этой автоматизацией? Компания удвоила количество сотрудников в синих рубашках, готовых проконсультировать покупателя, и обеспечила настоящее чувство человечности в компании, продающей в основном микросхемы и биты6.
        Как показано в этих примерах, большее расширение на самом деле дает дорогу большей человечности.
        Где в вашей компании таятся такие возможности? Начинайте искать среди покупательских «моментов истины». Для Zappos он случился, когда что-то пошло не так с онлайн-заказом. В Pret a Manger - когда занятый покупатель просто хотел быстро схватить сэндвич, не толкаясь с другими покупателями, с более сложными заказами. Для Apple он произошел, когда один из не очень разбирающихся в технике клиентов почувствовал себя смущенным перед их мощными машинами. В поисках человеческого прикосновения не ищите только легкие моменты. Напротив, ищите то, что трудно, тогда вы действительно решаете проблему человека, занимаясь обслуживанием и демонстрируя щедрость духа.
        В расширенной жизни с вездесущей технологией, деятельность, с которой хорошо справляются люди, к 2020 году станет еще более важной. Аналитические, коммуникационные навыки, умение учиться, наряду со способностью взаимодействовать с людьми, всегда были и будут жизненно важны для успеха в бизнесе. В нашем недавнем исследовании двух тысяч мировых бизнес-лидеров респонденты ответили, что в наступающие годы эти очень человеческие черты - то, что мы делаем естественно, но что очень трудно выполнить компьютеру, - станут даже еще более важными для нашей личной и рабочей жизни и для бизнеса (см. рис. 9.2).
        Рисунок 9.2. Победить бота, став лучшим человеком
        Всем нам, в том числе начальникам, нужно расширять текущие навыки, когда речь заходит о взаимодействии с другими: руководство, аргументация и интерпретация, вынесение суждений, творчество и способность к человеческому прикосновению. Такое поведение и такая деятельность все еще далеко вне зоны действия технологий настоящего и близкого будущего, и так будет еще не один год, даже если новые машины научатся большему.
        Крупнейшие компании сегодня подтверждают, что даже в мире расширенных решений, где люди и машины работают вместе, новыми способами, еще есть ценность в том, чтобы быть человечным. Наша дальнейшая деятельность потребует с двойным упорством взяться за работу, где люди имеют и впредь будут иметь преимущество перед микросхемой.
        Создайте свой роботизированный скелет белого воротничка
        Идея расширения, дополнения человеческих способностей с помощью технологии многие годы была мечтой научной фантастики. В конце 1950-х годов Роберт Хайнлайн (Robert Heinlein) представлял команды солдат, закованных в экзоскелеты в «Звездном десанте» (Starship Troopers). Более тридцати лет спустя в фильме «Чужой» (Aliens) уорент-офицер Эллен Рипли использовала робота-погрузчика, чтобы защитить колонию от Королевы Чужих высоко над планетой LV-42^6^ (как показано на рис. 9.3).
        Рисунок 9.3. Рипли и ее робот-погрузчик
        Эти плоды научной фантастики стремительно теряют свое звание вымысла: теперь они становятся фактом реальности. Идея «внешнего скелета», конечно же, служит источником вдохновения многих новых технологий, помогающих как физической, так и интеллектуальной работе.
        Например, Sarcos, американский разработчик роботизированных и микроэлектромеханических систем, создал прототип экзоскелета для армии, чтобы расширить физические возможности на поле битвы. Panasonic разработал линию роботизированных комплексов для поднятия тяжестей, чтобы рабочие не надрывали спины^7^. Ekso Bionics, компания, основанная на базе Лаборатории робототехнического и человеческого инжиниринга Калифорнийского университета в Беркли, создали первый одобренный FDA (Управление по контролю за продуктами и лекарствами, США) экзоскелет, который позволяет снова ходить пострадавшим от травм и болезней опорно-двигательного аппарата.
        На рисунке 9.4 показано, как Аманда Бокстел (Amanda Boxtel) ходит с помощью костюма с внешним скелетом Ekso Bionics. Аманда - параплегик, получившая травму позвоночника во время катания на лыжах более двадцати лет назад, в 1992 году, и не способна ходить самостоятельно.
        Рисунок 9.4. Аманда Бокстел с ее экзоскелетом
        Физические экзоскелеты - пример того, как мы можем превзойти собственные ограничения и слабости. Экзоскелеты, созданные для расширения наших умов, могут быть не так заметны визуально, как костюмы и амуниция для тела, но в итоге, при переходе на новый уровень, смогут оказать еще большее воздействие.
        Palantir Technologies - лидер в создании экзоскелетов для мозга. Компания была основана в 2004 году, среди основателей - In-Q-Tel, венчурное подразделение ЦРУ США. Palantir традиционно работал с оборонными и секретными агентствами над выявлением преступников и террористов. Фирма всегда выступала за расширение, их позиция: «Мы создаем продукты, которые делают людей лучше в основной работе - той, о которой пишут на первой странице газеты, а не только в ее техническом разделе».
        В последнее время компания начала применять свой опыт в коммерческих целях, таких как поиск несанкционированного трейдинга.
        Palantir организовал совместное предприятие с Credit Suisse, названное Signac, чтобы отслеживать трейдинговую активность в инвестиционных банках и определять поведение, характерное для незаконного трейдинга. Signac собирает данные о сотрудниках и внутренних событиях и проводит эти данные через интеллектуальные системы Palantir (при этом во многом полагаясь на обученных специалистов в части выводов). Цель - прекратить нарушения внутренних правил и защитить активы и бренд банка.
        Сейчас становится очевидно, что люди одни, если их умения не расширены, просто не могут состязаться с автоматизированными интеллектуальными системами в выполнении некоторых задач. Пример - область радиологии, где назрела потребность в расширении^8^. Действительно, для улучшения точности диагностики рентгенологи скоро будут способны стать «партнерами» с системами, подобными Avicenna от IBM. Это программное обеспечение - еще один пример интеллектуальной системы - разрабатывается для совмещения значительных массивов данных из семейной истории пациента, медицинской диагностической визуализации, результатов дополнительных тестов и текстовых заметок и прогоняет все это через машину, оснащенную ИИ, которая обеспечивает рентгенолога ценной информацией^9^. Средний рентгенолог прочитывает двадцать тысяч пленок в год, а при том, насколько катастрофичны могут быть результаты в случае, если он что-то упустит, идея быть расширенным, а не замещенным, принесет невероятную пользу.
        Будь то образование, здравоохранение или финансовые услуги, все примеры, приведенные в этой главе, объединены общей мыслью: поиск конкретного бизнес-процесса и применение интеллектуальной системы к этой работе - способ создания экзоскелета интеллектуальной экономики вокруг квалифицированных сотрудников. Как и с подходом к инициативам по автоматизации, мы предлагаем начать с деятельности, имеющей большой объем, взаимодействующей с большим количеством данных и включающей большое число повторяющихся процессов (такой как обработка заявлений, определение образцов данных и т. д.).
        Вы + Новые технологии = Расширение
        Мы оказались в невероятном времени, когда технологии значительно расширяют общепринятые границы человеческих способностей. Интеллектуальные системы сегодня позволяют нам делать что-то на таком уровне производительности и прибыльности, который еще несколько лет назад показался бы надуманным и неправдоподобным.
        Все эти и многие другие возможности созданы с внедрением в наши обычные инструменты искусственного интеллекта. У нас есть потенциал стать умнее, поскольку умнее становятся наши инструменты. Это важно понять. Было бы слишком высокомерно думать, что сегодня мы умнее Аристотеля и Шекспира - или Стива Возняка. Но наши инструменты и правда умнее. И конечно, именно наши инструменты в сердце прогресса, достигнутого до настоящего момента, и прогресса, к которому мы еще придем.
        Расширение будет силой, что поднимет планку для каждого из нас, в каждой организации и стране мира. Если вы можете расширить, дополнить ценность, которую создаете, то во времена, когда машины начинают делать все, вы поступаете правильно. Расширение также дает новые дороги возможностям, которые необходимо исследовать, чтобы двигаться дальше. Пойдя по одной из этих дорог, вы вскоре уткнетесь в следующую букву нашей модели AHEAD/ВПЕРЕД: «A» для abundance, или «изобилия».
        Глава 10
        Изобилие: найти свои кратные 10 возможности с новой машиной
        Концепция изобилия, на самом деле, довольно проста: по мере того как цены идут вниз, запрос идет вверх. Мы изучаем это на первой неделе Economics 101.
        И хотя идея изобилия, созданного ИИ, нова, лежащая в ее основе идея изобилия, можно сказать, стара: она была отличительной чертой и двигателем производительности всех предшествующих фаз индустриального роста. Ткацкий станок привел к изобилию одежды, паровой двигатель - к изобилию в трансокеанских путешествиях, а сборочная линия - к изобилию холодильников, появившихся в каждом доме по всему миру. До того как их подстегнули революции, все эти предметы были редкой роскошью. После - они были демократизированы и стали повсеместно доступны.
        С интеллектуальными системами в действии мы скоро получим новую волну изобилия в таких областях, как финансовые услуги, страхование, здравоохранение, развлечения и образование. По мере того как новые машины будут опускать вниз цены, рынки изобилия будут закрепляться, поднимая продажи на невообразимые прежде уровни.
        Поэтому встает вопрос: ваша организация воспользуется преимуществом изобилия новой машины или падет его жертвой?
        Джозеф Сирош из Microsoft сказал нам, что видит, как это изобилие возникает в здравоохранении, с новыми уровнями индивидуализации услуг: «Сегодня можно сказать, что если вы планируете использовать данные и прогнозную аналитику для поддержания здоровья людей, то понадобится меньше медсестер и докторов и будет меньше пациентов на поддерживающем лечении… Похоже на замещение нашей работы. Но то, что вы получаете взамен, - это большое население, ведущее более здоровую, счастливую жизнь, которое может быть продуктивным и креативным и больше вкладывать в экономическое развитие страны».
        На протяжении последнего века мы использовали сырьевые материалы, новые машины и инновационные бизнес-модели для создания беспрецедентного изобилия и демократизации роскоши в сфере физических продуктов. Теперь, когда изобильные рынки открываются в рамках цифровой экономики, появляются десятки областей в основанных на знаниях отраслей, где машины будут делать практически все. Но в это же время мы наблюдаем эффект цифрового изобилия и в мире физическом (помните, гибрид - это новый черный). Хороший пример этого - Narayana Health, использующий новую машину, чтобы принести свою форму изобилия тем, кто нуждается в операциях на сердце.
        В сто раз больше сердца
        Narayana Health (NH), запущенный в 2000 году доктором Деви Шетти (Devi Shetty) в городе Бангалор, в Индии, производит революцию в кардиохирургии, привлекая для этого цифровые технологии. За последние пятнадцать лет Narayana Health спасла сотни тысяч жизней. Снижая цены на сердечную хирургию примерно в сотню раз, д-р Шетти и его команда преподнесли народу Индии выдающийся дар изобилия. В той части мира, где сердечные заболевания прежде считались смертным приговором, NH сегодня оказывает кардиохирургические услуги мирового уровня.
        Со времен основания NH выросла до пятидесяти четырех предприятий, дающих работу двум тысячам шестистам врачам, занятым полный рабочий день, и тринадцати тысячам пятистам сотрудникам в целом; сегодня клиника лечит более двух миллионов пациентов в год^1^. Этот, основанный на изобилии рост происходит не в каком-то неподвижном интернет-бизнесе, а в самой физической из возможных областей, в сфере операций на открытом сердце. Что же способствовало такому быстрому росту?
        Применяя новую машину ко всем процессам до и после времени, которое пациент проводит в операционной, NH сегодня может провести коронарное шунтирование примерно за одну тысячу двести долларов США^2^ (заметьте, что средняя цена за эту процедуру в США обычно составляет более ста тысяч долларов)^3^. В дополнение к резкому снижению цены, уровень смертности и заражений - тот же, что в Северной Америке и Европе^4^. Неудивительно, что The Wall Street Journal отзывается о докторе Шетти как о «Генри Форде сердечной хирургии»^5^.
        Эти результаты были достигнуты не при помощи магии и не через экономию на качестве. Конечно, существует неравенство в зарплате между Индией и другими странами, но разница в цене зависит от этого лишь отчасти. Значительная часть этой экономии происходит из-за дигитализации ключевых процессов. При запуске NH д-р Шетти и его команда рассматривали все процессы, связанные с сердечной хирургией, и видели их гибридными. Некоторые части должны остаться полностью физическими - человекоцентричная работа, проводимая профессиональными медиками непосредственно с пациентом, - в то время как другие могут быть в значительной степени переведены на цифровой уровень, такие как мониторинг пациентов и машин.
        Например, NH полностью переосмыслил и переоборудовал отделение интенсивной терапии, применив цифровые технологии. Команда, проводящая изменения, приняла традиционную, основанную на бумагах модель управления и применила новые технологии именно к физической части рабочего процесса. Теперь практически все оснащено сенсорами - пациенты, медицинское оборудование, сестры и так далее - и постоянно контролируется по ста пятидесяти параметрам, касающимся показателей жизнедеятельности, аппаратов искусственной вентиляции легких, задач медсестер, капельниц и назначений. Пациент в среднем генерирует 5 Гб данных в день (эквивалентно примерно двум тысячам электронных писем или пятнадцати часам видео на YouTube). Данные конфигурируются под специальные протоколы и конвертные требования различных специалистов, регионов и больниц. Эта инструментализация также дает аналитические инсайты об эффективности докторов и медсестер.
        Переложив процесс подготовки хирургической операции, управления операционными залами и отделениями интенсивной терапии на соответствующие процессы и операции и затем применив новые технологии, NH срезал расходы до такой степени, что теперь может обеспечить высококачественный уход большему числу людей. В этом познавательном, в той же мере, что и волнующем, случае цифры буквально спасают жизни.
        На следующих страницах обрисуем, как можно найти цифровое изобилие в вашей компании. Самым низко висящим фруктом, самыми простыми для нахождения и внедрения возможностями распространения количественного изобилия будут те области бизнеса, которые могут быть уже в скором времени полностью переведены в цифровую среду, такие как роботизированное финансовое консультирование. Однако, как мы видим в примере NH, даже исключительно физическая деятельность может быть полностью переосмыслена и перестроена с применением новой машины.
        Закон Мура привносит изобилие в ваш бизнес
        Такие примеры, как NH, как мы видим, служат подтверждением широкомасштабного тренда. По мере того как коренные процессы инструментализируются и оцифровываются, для потребителей создаются совершенно новые контрольные параметры цены, качества и кастомизации. Этот феномен, например, в центре успеха и значительного роста Spotify и WeWork, поскольку эти компании создают изобилие, автоматизируя согласование спроса и предложения на своих рынках.
        Все организации, такие как NH, Betterment и Airbnb, выучили, что установка новых ценовых ориентиров - действие не мгновенное. Напротив, это продолжительный процесс. Почему? Поскольку, когда автоматизация укореняется во внутреннем устройстве вашего продукта - то есть основные функции по созданию и доставке пользователю переходят от человека к машине, - он становится внутренне техникоцентричным, и в связи с этим - способным использовать себе во благо Закон Мура. Этот фундаментальный строительный блок технологической отрасли на десятилетия определил принципы инновационности и доступности, однако не повлиял на страховую политику, приемы врачей или образовательные услуги, которые стоят примерно так же, как стоили двадцать лет назад.
        Однако вскоре изменится и это, поскольку многие продукты и услуги становятся цифровыми по своей сути. Как говорилось в главе 7 (по поводу автоматизации), ваши познавательные процессы вот-вот станут радикально более эффективными. КОГДА АВТОМАТИЗАЦИЯ НАПРАВЛЕНА НА ВНУТРЕННИЕ ПРОЦЕССЫ, ВЫ МОЖЕТЕ ДОСТИГНУТЬ СУЩЕСТВЕННОЙ ЭКОНОМИИ. А когда автоматизация направлена на ваши продукты и услуги, преимущества должны прийти к вашим потребителям в форме изобилия.
        Руководитель из Кремниевой долины планирует, что через два года производительность его продукта удвоится и/или вдвое снизится цена. Сейчас стоит задуматься подобным образом о ваших продуктах и услугах, основывающихся на использовании информации. Понимаем, может быть, страшновато смотреть на свои хорошо продающиеся продукты и услуги и думать: «Через пять лет они должны стоить вдвое дешевле». Но именно в этом состоит конкурентный вызов в эпоху новой машины.
        Что сделать в понедельник? Найти изобилие в своей организации
        На этом этапе вам может быть интересно, как именно придать себе импульс в сторону воплощения идеи изобилия. Вот семь подходов, которые, как мы видели, дают положительные результаты.

1. Быть зацикленным на сообществе стартаперов.

2. Убить свою компанию.

3. Сыграть в игру «завтра это бесплатно».

4. Разобраться со своей новаторской дилеммой.

5. Делать, как мейкер.

6. Думать, как магазинчик на углу (новая персонализация).

7. Применять цифровой тейлоризм.
        Быть зацикленным на сообществе стартаперов
        FinTech, HealthTech, InsuranceTech, LawTech, GovTech. Или технологии в финансах, здравоохранении, страховании, юриспруденции, в правительственных структурах…
        В основе всех этих отраслевых движений лежит количественное изобилие. Они хорошо финансируются. А те, кто запускает это отраслевое переустройство, всегда более чем счастливы поговорить о себе.
        Удостоверьтесь, что вы и ваши коллеги хорошо слушаете.
        В связи с этим убедитесь, что ваша команда сосредоточена исключительно на новых компаниях, приходящих вслед вашему бизнесу. В действительности не так важно, где находится эта группа: мы видели эти функции в руках стратегических подразделений, в НИОКР, под руководством руководителя по цифровым технологиям или в IT. Главное, что команда должна иметь возможность объективно взглянуть на технологические компании, готовые принести изобилие в вашу отрасль и в процессе пообедать вашими припасами.
        Поручите команде создать «карту рынка», на которой будут обозначены все предложения вашей компании и сопоставлены с предложениями стартапов. Для каждого предложения надо определить, как много стартапов существует в этой области, сколько в них было инвестировано денег (и кем), а также оценить зрелость этих фирм и количество покупателей. Обновлять эту карту команде следует ежеквартально, поскольку подобный динамичный взгляд ясно отразит, какие новые идеи привлекают покупателей.
        Если это сделано должным образом, такие карты рынка обеспечат вас ясной картиной угроз и возможностей. Например, вокруг одного из ваших ключевых продуктов может скопиться дюжина стартапов. В этом случае Кремниевая долина точно нацелилась на ваш кусок пирога, и нужно немедленно разработать подобающий ответ - купить, создать или вступить в партнерство, чтобы отразить угрозу.
        Также эта карта может сохранить вас от многих сердечных болезней, оградив от провальных инициатив. Когда речь заходит об изобилии, провалов случается больше, чем удач. Проектно-конструкторские работы «на чужие деньги» (other people’s money, или OPM) - лучшая из возможных форм. Пусть другие теряют свои время и деньги, доказывая, что конкретная идея изобилия не сработает.
        Ключ к успеху этой специально назначенной команды - гарантировать им настоящую объективность и во внутренней организации, и в направлении деятельности. Позвольте им задавать глупые вопросы. Избавьте их от закостенелой ортодоксальности, хорошие компании становятся плохими, когда признанных менеджеров ограничивают традициями (просто спросите бывшие команды Blockbuster, или Kodak, или Nokia). Как правило, новое предложение будет всегда казаться чужеродным, несовершенным или неуместным. Ваши более опытные менеджеры, выросшие на традиционных предложениях отрасли, могут отмахиваться от идей предлагаемого изобилия. Они найдут сценарии, при которых предложения не будут работать (и часто это будет связано с конфликтом каналов, безопасностью или законодательством). Чтобы оградить вашу команду изобилия от такого ограничительного мышления, жизненно важно обеспечить им правильную структуру, поощрительные стимулы и (при необходимости) защиту, чтобы во времена перемен компания оставалась на переднем крае.
        Попросите ваших самых энергичных сотрудников убить компанию
        Перспективна важна. У вас есть сотрудники - иногда из молодого поколения младше тридцати двух лет и другие, просто со свежими взглядами, - которые могут предложить уникальные и весьма ценные точки зрения на вашу индустриальную, с традиционной моделью, компанию. Рекомендуем попросить группу таких людей создать убийцу компании. Именно так: спросите об идеях по поводу того, как вытолкнуть вашу компанию из бизнеса.
        Младшие сотрудники с прогрессивными взглядами живут в параллельной вселенной, которую мы можем назвать феномен «вечера воскресенья, утра понедельника». Суть в том, что в воскресенье вечером они используют цифровые платформы для выполнения своих личных задач: развлечения, связи с друзьями, покупок, улаживания домашних и финансовых вопросов - причем иногда все это происходит одновременно. Их смартфоны служат настоящими пультами дистанционного управления жизнью. Потом, когда часов через восемь они приходят на работу, должны вновь вступать в старый физический мир и включаться в работу организации, которая действует именно так уже несколько десятилетий.
        Эта дихотомия воскресенья/понедельника может быть для сотрудников одновременно раздражающей и подавляющей, когда они (справедливо) задают вопрос: «Почему работа не может проходить столь же гладко, непринужденно и увлекательно, как моя домашняя жизнь?» Они знают, что одна из ипостасей будущее, а другая - прошлое.
        В связи с этим, вместо того чтобы позволить сотрудникам погрязнуть во фрустрации, попросите их спроектировать будущее. А конкретно, выйти с пятью новыми технологичными продуктами или услугами, которые вытеснят вашу компанию из бизнеса. Вы можете быть удивлены, как быстро (и страстно) сотрудники вернутся со своими предположениями.
        Сыграйте в игру «Завтра это бесплатно»
        Посмотрите на самые дорогие, премиальные, отличающие вашу компанию продукты и услуги. Теперь представьте, что они стоят 10% своей рыночной цены. Испугались? Неудивительно, ведь вы только что представили, как иссяк источник доходов. Это беспокоит, но такой вариант развития событий становится все более обычным, и к нему надо готовиться: если это может случиться в кардиохирургии, то может случиться везде.

«Завтра бесплатно» - не столько беззаботная игра, сколько серьезное упражнение по выстраиванию стратегии на насыщенном, изобильном рынке. Она означает, что руководству нужно задать жесткие, порой болезненные вопросы о применении текущих продуктов и услуг, сместившись от дорогого и редкого к дешевому и практически повсеместно доступному.
        Участие в этом эксперименте покажет вам реальные риски и трудности многолетней традиционности. Например, находясь в медико-биологической промышленности, представьте, что все ваши медикаменты и устройства лишились патента. И представьте все свои лекарственные препараты, сделанные под индивидуальный геном (чувствительные к специфической ДНК, эпигеному, микробиому и вирому)^6^. Как можно использовать имеющуюся информацию для создания большей ценности с помощью ваших дорогостоящих компонентов? Как вы можете применить интеллектуальную систему для создания новой экосистемы предложений вокруг этих разработанных на заказ препаратов? Именно эти вопросы нужно задать себе и команде.
        А что произойдет, если вы работаете в розничной торговле? В этом случае вы уже живете в новую эпоху Amazon. Вы знаете, что люди по-прежнему хотят приходить в физический магазин, но представьте, что там никто ничего не покупает (как в выставочном «шоуруме»). Как вы продолжите формировать трудный покупательский опыт с новой машиной? Как сможете вырастить свой цифровой доход от однозначных цифр до двузначных за следующие несколько лет? Некоторые ритейлеры уже делают смелые шаги в этом направлении. Например, Walgreens использует соединение технологии и своего физического присутствия в торговле, чтобы начать предлагать медицинские товары по более низким ценам, в более высоких объемах^7^.
        Конечно, в действительности ничего не будет бесплатным, но так или иначе вам нужно придумать способ повысить доходы. Однако мы считаем это упражнение вполне здравым, поскольку оно отрывает сотрудников от устоявшегося мышления в категориях товарных запасов. Большинство из нас (осознанно или нет) представляют продукцию и услуги своих компаний как сумму частей, каждая из которых что-то добавляет к цене. Когда нас вынуждают полностью перевернуть свою точку зрения в сторону мышления категориями спроса (или даже очень самонадеянного «Я хочу это бесплатно»), могут возникнуть совершенно новые перспективы. Если вы не смотрите на свое сегодняшнее портфолио и не играете в «Завтра бесплатно», готовьтесь к сюрпризам, потому конкуренты, известные вам или нет, точно играют.
        Разберитесь со своей дилеммой новатора
        Стратегия создания продуктов или услуг, которые вы стали бы продавать за одну десятую нынешней цены, содержит определенные трудности. Главная из них - вопрос о том, как будущие продукты или услуги (столь различные по цене, направленные на разные покупательские сегменты и подразумевающие всевозможные экономические и управленческие модели производства, дистрибуции и маржинальности) будут сосуществовать с тем же общим портфолио рыночных предложений? Среди часто задаваемых об этом вопросов встречаются следующие.

• Как мы можем получать прибыль, если опустим цены на 90%?

• Мы не каннибализируем наш существующий рынок?

• Есть ли у нас правильный бренд для работы на новых рынках?

• Есть ли у нас правильные люди с правильными навыками, чтобы оперировать на рынках низких цен?
        Подобные опасения мотивированы и обоснованы. Переход на изобильный рынок - это не тривиальное событие. На самом деле, именно этот вопрос затрагивает едва ли не самая популярная бизнес-книга последних двадцати лет «Дилемма инноватора» профессора Клайтона М. Кристенсена из Гарвардской бизнес-школы (The Innovator’s Dilemma, Clayton M. Christensen). Хотя написана она была в 1997 году, еще до того, как программное обеспечение начало по-настоящему поглощать мир, и не затрагивает напрямую разрыв, созданный платформами и облачными сервисами, не говоря уже об интеллектуальных системах.
        Вдохновившись Кристенсеном и доработав позицию в работе со своими клиентами, мы определили три ключевых концепции, эффективные в решении этих задач.

1. МОДЕЛЬ ТРЕХ ГОРИЗОНТОВ. Изначально популяризована McKinsley & Co. Модель трех горизонтов (Three Horizons Model (THM) определяет потребность разделить весь бизнес на три различные части по принципу того, направлена ли работа на немедленные потребности сегодняшнего рынка, на нужды рынка в краткосрочной перспективе или она рассчитана на более длительный период (то есть на три горизонта)^8^. Модель распределяет различные ресурсы (работники, ожидаемый ROI, управленческие параметры) среди разных горизонтов: например, нет смысла ожидать, что новая услуга, действующая в зарождающейся рыночной нише, будет давать такую же жирную маржу, как хорошо сложившаяся услуга в условиях зрелого рынка. Среди разновидностей этого подхода - IT-стратегия Gartner Bimodal, которая структурирует функции IT в две группы, одна из которых нацелена на «устаревшие» технологии, а другая - на технологию «нового поколения».

2. МОДЕЛЬ ЭЛЛИСОНА -БЕНИОФФ. На заре облачных компьютерных технологий сооснователь Oracle Ларри Эллисон (Larry Ellison) инвестировал два миллиона долларов в стартап своего самого молодого вице-президента Марка Бениоффа (Marc Benioff) Salesforce.com^9^. Бениофф пытался убедить Эллисона, что облачные вычисления являются важным трендом, но Эллисон оставался непоколебим, видя в этом только сложности управления идеей, принципиально направленной против Oracle, внутри базового бизнеса^10^. Вместо этого Бениофф стал первым семенным инвестором, пожелал ему всего хорошего и смотрел, как его инвестиции разрастаются до доли в Salesforce в четыреста пятьдесят миллионов долларов. Фондирование внешнего стартапа для получения основанной на изобилии модели позволяет обойти многие проблемы внутри бизнеса, которые могут возникнуть в связи с разработкой подрывной идеи в большой компании.

3. МОДЕЛЬ LVMH. Французский холдинг LVMH Moet Hennessy Louis Vuitton SE управляет более чем 60 дочерними компаниями, независимо действующими под его зонтом^11^. И хотя многие функции бэк-офиса компании между собой делят (в том числе многие известные бренды, такие как Bulgari (драгоценности, часы и люксовые товары), TAG Heuer (часы), Fendi (роскошная одежда) и Thomas Pink (люксовая одежда), все они в большей степени работают на собственных рынках своими способами. В модели LVMH нет попытки втиснуть разрозненные продукты, чьи рыночные сегменты часто накладываются друг на друга, в аккуратно очерченные ниши, также компания не пытается скорректировать конкурентное напряжение между брендами. Подход LVMH, который в последние годы приобретает все большее влияние, позволяет всем дочерним предприятиям компании по-разному работать с рынком. Новым идеям в такой структуре хватает простора для дыхания.
        Делай, как мейкер
        Источник вдохновения и таланта, сосредоточенного на максимальном использовании количественного изобилия, - движение «мейкеров», или «делателей»^12^. Органически возникнув в последние годы как субкультура внутри технологических кругов, движение включает людей, команды и компании, полные энтузиазма по созданию новых устройств (и переделке действующих), существующих на пересечении новой функциональности и низкой цены. Иногда мейкеры берут старое оборудование, например деревообрабатывающее или металлообрабатывающее, и смешивают его с новыми возможностями 3D-печати и робототехники, чтобы подлатать ценность делания вещей вместо простого использования сделанного где-то далеко многонациональными производителями.
        Мейкеры - это обычно инженеры (профессионалы или любители), предприниматели по жизни или по духу, и часто находятся в той точке своей карьеры, когда живут полностью «сами по себе» - с любимыми идеями или настоящей работой. В своих рабочих поездках по большим компаниям мы часто встречаем таких мейкеров, которые держатся за свою работу, но с нетерпением ждут, когда смогут в выходные приняться за любимое хобби. Не смотрите на этих людей как на тех, кто не предан текущей работе, вместо этого лучше привлеките себе на пользу их таланты, энергию и страсть, поместив в такое место и положение, где личные инновации могут стать инновациями вашей компании.
        Если бы Apple 1 Стива Возняка в 1976 году стал продуктом Hewlett-Packard, вся история высокотехнологичной индустрии, вероятно, пошла бы по-другому^13^. Многие компании уже поддерживают «пространства мейкеров» в своей среде из гражданских соображений, но еще в большей степени они принимают мейкеров как часть инновационной экосистемы и важный (и сокращающий расходы) способ поиска связанных с изобилием идей, которые в противном случае останутся незамеченными.
        Думайте, как магазинчик на углу: новая персонализация
        Драматическое снижение цены - всего один признак изобилия. Второй и столь же важный параметр - сильно возрастающая персонализация.
        Когда-то владелец старого магазинчика на углу знал индивидуальные потребности и странности всех своих покупателей, и новое изобилие позволяет вам сделать то же самое. Это не вопрос масштаба: в конце концов, посмотрите на персонализацию Facebook, доступную 1,7 миллиарда пользователей. Это просто вопрос применения новой машины к вашей, установленной один-на-один, связи с клиентом.
        Легче сказать, чем сделать для столетней компании. Индустриальные компании прекрасно проявляли себя в бизнес-модели один-многим. В конце концов, это была их цель, и на ее достижении были основаны все цепочки ценностей и ценностные предложения клиентам. Mercedes вкладывает лучшее качество в каждый свой автомобиль. Marriott обладает обширным опытом размещения бизнес-путешественников независимо от их местонахождения.
        Однако способность предоставить один продукт многим людям сегодня - необходимое, но не достаточное условие. НОВОЕ КОНКУРЕНТНОЕ ПРЕИМУЩЕСТВО В ТОМ, ЧТОБЫ БЫТЬ ПО-НАСТОЯЩЕМУ ОДНИМ-ДЛЯ-ОДНОГО И ИЗ ЭТОГО ДОБЫВАТЬ НОВОЕ ИЗОБИЛИЕ. Таким образом, способность к индивидуальному подходу, описанная в главе 8 в теме Ореолов, - центральное условие нового изобилия.
        Как мы отмечали раньше, персонализация - новое поле сражения в области спортивной одежды. Under Armour ворвался на сцену, чтобы стать полноправным соперником Nike и Adidas. Теперь он стремится продвинуться еще дальше, максимально используя технологию для обеспечения своим клиентам опыта один-для-одного. Говорит генеральный директор Кевин Планк (Kevin Plank):
        Представьте, что вы поехали в Чикаго по работе. Утром вышли на пробежку, а накануне простудились. В Чикаго -12 градусов, так что, я понимаю, у вас постоянно течет из носа. Что ж, мы делаем отличные перчатки для бега, называем их «сопливые пальцы», поскольку к ним буквально прикреплен персональный платок Kleenex из микрофибры, чтобы вы могли вытирать нос. Представьте, если бы я мог отправить вам рекламу со словами: «Эй, я знаю, ты собираешься на днях в Чикаго? Хочешь, вышлю тебе пару перчаток?»^14^
        Знать, где и когда тебе понадобится высморкаться в перчатку, - вот что такое сегодня персонализация один-для-одного, которая сможет полностью раскрыть рынки нового изобилия.
        Применяйте цифровой тейлоризм
        Новое изобилие - это в первую очередь поиск возможности драматического снижения расходов для открытия новых рынков. Как лучше всего выполнить этот поиск? Попробовав применить новые технологии ИИ к старым управленческим принципам тейлоризма (концепцию мы впервые упомянули в главе 6).
        Век назад индустриальное общество было захвачено идеей измерений, что должно было подтолкнуть эффективность и повысить качество производственных процессов. Отец управленческого консалтинга Фредерик Уинслоу Тейлор (Frederick Winslow Taylor) представил идею научного управления промышленной производственной линией в начале ХХ века в своей книге «Принципы научного управления»^15^. Тейлор продвигал идею того, что практически любая работа на заводе может и должна быть разбита на отдельные задачи с обозначенными временем, ходом работы и результатом. Что более важно, уровни производительности и лучшие практики должны кодифицироваться и воспроизводиться. Подобное мышление стало основой индустриальной модели, находящей новые уровни координации, результативности и качества.
        В те времена некоторые осуждали тейлоризм, указывая на то, что считали дегуманизацией и отменой индивидуального принятия решений, традиционно присущего мастеру. Но экономика все же победила: идеи Тейлора стали глобальным трендом, и научное разделение работы позволило лучшим промышленным практикам широко распространиться по регионам и отраслям.
        Сегодня гипероснащенный измерителями и проанализированный мир воспринимает тейлоризм на новых уровнях. Умственный труд может быть изучен и оптимизирован так, как век назад это было сделано с физическим трудом. Это будет иметь далеко идущие последствия для будущего вашей работы и конкурентоспособности компании.
        Идеи цифрового тейлоризма особенно важны для цифровых инноваций внутри крупных организаций. Инновации по сути своей беспорядочны, но им не нужен этот хаос. Многие компании стремятся снизить расходы, чтобы расширить рынки, но многие инициативы проваливаются из-за чувства «собственничества». Мандат на право «мыслить по-другому» - это то, что мы часто видим и что на практике должно исчезнуть. Строгость и контрольные показатели, ассоциируемые с цифровым тейлоризмом, кажется, скоро принесут в жертву ослаблению привычной бизнес-дисциплины, преобладающей в устоявшихся отраслях бизнеса. При этом, настаивая на применении высочайших организационных стандартов и переноса лучших практик из эры Тейлора в нашу цифровую экономику, организация может принести философию стандартизации и постоянного улучшения в свою цифровую деятельность.
        Повысить благосостояние, снижая цены
        Рынки изобилия здесь, они реальны, и бизнес-лидеры начинают менять ландшафт конкуренции, снижая цены, повышая персонализацию и раскрывая новые крупномасштабные возможности. Как мы уже показывали, ключ к серьезному снижению расходов - использование новой машины, которая питается данными и обернута новой коммерческой моделью. Она открывает шлюзы массового роста.
        Многие цифровые скептики упускают из виду общий потенциал роста, исходящий из рынков изобилия. Чем больше мы работаем с покупателями и наблюдаем за рынком, тем больше можем быть уверены, что предсказатели конца света сегодня ошибаются, как никогда прежде.
        Автоматизация, Ореолы кодов, расширение и изобилие - все это рычаги ценности работы, которую уже ведут многие компании. Но как насчет по-настоящему свежих идей? Как нужно компаниям преобразовать самих себя, чтобы стать способными создать следующий Uber, Predix, Palantir или Х.ai? Сбалансированные инвестиции и подпитка новых идей о будущем одновременно с ведением бизнеса - всегда нелегкая задача. Многие из нас выросли с мифом о вкалывающем до потери пульса одиноком изобретателе, мастерящем Следующую Большую вещь. Оказывается, однако, что в инновациях есть и искусство, и наука. В цифровой экономике мы зовем это «открытием».
        Глава 11
        Открытие: управлять инновациями в цифровой экономике
        Как мы уже поняли из этой книги, будущее работы будет фундаментально иным, если машины делают все. Открывать будущее - через формальные процессы исследований и разработок и неформальные постоянные в духе «с ног на голову» - предмет этой последней главы, посвященной описанию нашей модели AHEAD, или ВПЕРЕД.
        Открытия, они же прорывные инновации, связанные с интеллектуальными системами и цифровой экономикой, - это одновременно и катализатор, и результат предпринятых ранее шагов AHEAD. Автоматизация, инструментирование, расширение и предоставление товаров и услуг в изобилии позволят вашей организации открыть возможности, которые раньше были не видны и недоступны.
        При этом открытие само по себе - это философия, строгая практика, открытость будущему, понимание того, что инновации не могут быть побочным проектом, чем-то таким, что «неплохо бы иметь», или погрешностью округления расходов, зарытую где-то в глубине отчетов. Открытие - центральный фактор для того, чтобы оставаться уместными в большом цифровом подъеме, к которому мы подошли. По мере того как машины будут делать все больше и больше нашей текущей работы, инновационный процесс позволит открыть абсолютно новые вещи, которые можем делать мы (без машин), которые невозможно вообразить и трудно предсказать, но они станут центром того, чем мы займемся в будущем.
        На страницах книги мы затронули многие исторические фигуры: Генри Форда, Томаса Эдисона, Неда Лудда и других. Мы начнем эту главу с одной гораздо менее известной личности: изобретателя, чей скромный технологический прорыв сто восемьдесят шесть лет назад оказал несоизмеримое воздействие на весь мир (что особенно заметно по воскресеньям после четырех часов дня). Его эволюция может научить нас кое-чему не только о том, как работает инновация, но и о том, как можем и должны верить в то, что неизвестное будущее даст нам удивительные возможности.
        Задумайтесь на минутку о сегодняшней глобальной спортивной индустрии, приносящей более шестисот двадцати миллионов долларов в год^1^. Дополнительные доходы (проданные за игру хот-доги, поездки на такси и метро до спортивной арены, принятый после того, как ваша команда проиграла и вылетела в первом туре, ибупрофен) и общее количество денег, которые генерирует спорт, вероятно, еще намного выше этой цифры.
        Все эти траты изначально происходят из-за изобретенной в 1827 году английским инженером газонокосилки. У Эдвина Баддинга (Edwin Budding), после того как он увидел, как на местной суконной фабрике лезвие работает в цилиндре, появилась идея маленькой, толкаемой руками машинки, как альтернативы косе - традиционному изнурительному способу срезания травы.
        Чтобы быть точными, скажем, что спорт существовал задолго до появления газонокосилки: Томас Лорд (Thomas Lord) из Lord’s Cricket Ground^2^ профессионально играл в крикет в конце XVIII века, и не забывайте, что Джейн Остин писала о бейсболе в 1797 г.^3^ Но там еще не было «спортивной индустрии» как таковой. Расчищать место для игры в крикет косой было трудно, поэтому полей было мало, они были редкостью; в ранний вариант футбола играли в основном на слякотных широких участках улиц.
        Газонокосилка Баддинга, как показано на рисунке 11.1, позволила стричь траву легко и одинаково, и то, что прежде было просто полем с нестриженной неровной травой, стало полем с новым назначением - «игровым полем». В последующие десятилетия эти прежде забытые пустоты привели к рождению новых и новых идей по поводу того, что здесь может быть сделано. Очень быстро начался взрыв спортивных инноваций: футбол, или соккер (в 1863 году сформировалась Футбольная ассоциация), регби (Регбийный союз основан в 1871 году), теннис (первый чемпионат Уимблдона сыгран в 1877 году), крокет (первая игра для всех желающих состоялась в 1868 году). Все эти виды спорта появились, чтобы проходить на травяном игровом поле.
        Рисунок 11.1. Мистер Баддинг и первая газонокосилка
        Все, чем мы, спортивные болельщики, живем и дышим, стало следствием изначальной фундаментальной инновации, создавшей ту «среду», пространство.
        Если бы сегодня Эдвин Баддинг мог вернуться и взглянуть на результаты, к которым привело появление его газонокосилки, без сомнения, он был бы ошеломлен. Совершенно невероятно, что он предполагал, когда продавал свою первую машину Зоологическому саду Риджентс-парка, что сто восемьдесят шесть лет спустя молодой профессиональный футболист по имени Криштиану Роналдо будет иметь двести миллионов подписчиков в социальных сетях всего лишь потому, что гоняет маленький мяч по полю со стриженой травой^4^.
        Слава Роналдо и все рабочие места и деньги, связанные со спортом по всему миру, исходят из машины Баддинга. Газонокосилка - это основание, на котором построена вся спортивная индустрия.
        Интеллектуальные системы - это последний по времени набор технологий, создающий основание, на котором будут построены новые индустрии и новые рабочие места. Вакансии будущего сегодня мы не можем даже вообразить - как Баддинг не смог бы экстраполировать из своей машины подъем Роналдо, или комментатора, который говорит о Роналдо, или экипировку и оборудование, которым поставщики обеспечивают Роналдо, или дизайнера, который создает для него логотип. Все это мы можем назвать эффектом Баддинга.
        Сегодня новая экономика создает массу новых рабочих категорий, которые еще несколько лет назад трудно было бы себе представить: консультант по соцсетям, оптимизатор поисковых движков, инженер интегрированных сетей, разработчик Perl, цифровой «пророк»-консультант, приглашенный хакер (hacker-in-residence), куратор контента, старший управляющий по счастью, координатор по инновациям, уничтожитель ключей, царь пикселей, старший ниндзя. Все это занятия, которых эквиваленты Эдвина Баддинга в технологической экономике (Бэббидж, Флауэрс, Тьюринг, Нойс, Хоппер, Гейтс, Андреесен, Цукерберг) не могли и представить.
        Смысл фразы «сделай, и они придут» был сильно дискредитирован за время падения доткомов в начале 2000-х годов, однако вера в то, что будущее будет создавать возможности, чрезвычайно важна для любой компании и любого человека, проходящих период неуверенности. В противном случае, все, что остается делать, - вытаскивать стоимость из ваших старых машин, старых бизнес-моделей, старых S-кривых.
        Из этого вытекает вопрос, который вы и ваша команда должны себе задать: что есть наши газонокосилки? Мы уже видели, как цифровые лидеры делают ставки на открытия, которые могли бы стать их газонокосилками.
        Марк Цукерберг в 2014 году заплатил два миллиарда долларов за Oculus VR (разработчика шлема виртуальной реальности Oculus Rift), но признал, что фокус на играх был сделан только для начала:
        Когда-то о виртуальной реальности мечтали писатели-фантасты. Но и Интернет когда-то был лишь мечтой, и компьютеры, и смартфоны. Будущее наступает, и у нас есть шанс создавать его вместе. Мне не терпится приступить к работе с командой Oculus, чтобы принести это будущее в мир и открыть новые миры для всех нас^5^.
        ИИ уже меняет мир, но на самом деле мы едва дотрагиваемся до поверхности того, куда он заведет нас в следующие 20, 50 и 100 лет. Как сказал нам Роберт Хай (Robert High), директор по технологиям в IBM Watson:
        Наша работа над когнитивными компьютерными системами - над внедрением в них человеческого сознания - находится на очень ранней стадии. Я не хочу, чтобы она [технология ИИ] была такой же хорошей, как человек, - я хочу, чтобы она была лучше. Экономическая ценность будет двигать прогресс и эволюцию этих когнитивных систем к той форме интеллекта, которую мы вряд ли признаем очень похожей на интеллект человека. Это не будет повторением человеческого интеллекта. Это будет повторение какой-то небольшой части человеческого интеллекта, а еще целой кучей других форм интеллекта, которых мы, может быть, и не знаем сегодня, но которые будут более выгодны экономически. Подумайте об астрономах и о том, насколько больше они смогли узнать, сумев создать датчики инфракрасного диапазона, рентгеновского диапазона или тех диапазонов, которые не способны воспринимать люди. Для человека не было необходимости в том, чтобы воспринимать их, не было необходимостью для человеческой эволюции или даже выживания. Но это крайне полезно для понимания того, как работает вселенная.
        Ваша задача - представить новые формы ценности, которые можно создать с новой машиной новой революции. ИИ может казаться странной газонокосилкой (конечно, не связанной с «Газонокосильщиком» Стивена Кинга), но надеемся, вы поняли нашу мысль. Эффект Баддинга время от времени разыгрывается в истории, и именно он воспроизводится сейчас. Утверждение роли и важности того, чтобы быть открытыми к плодам инноваций, - это крайне важная задача, которую вы, как руководитель будущего, даже если не являетесь формальным руководителем отдела НИОКР в вашей организации, должны выполнить.
        В мире облачных сервисов, открытых API, платформ и краудсорсинга у каждой организации есть доступ к готовым и популярным инструментам (еще недавно непозволительно дорогим), с которыми можно строить будущее своей работы. Лидеры, частные и корпоративные, во время цифрового подъема будут теми, кто максимально эффективно применит новые «средства производства», откажется от бизнеса обычного и предпочтет бизнес «необычный». Именно так должны сделать и вы.
        Исследования и разработки без ИИ - это вовсе не исследования и разработки
        Скоро новая машина станет вашей инновационной платформой. Если вы оснащаете измерителями, автоматизируете, отслеживаете и анализируете коренные операции своего бизнеса и применяете машинное обучение, у вас будут постоянно открываться новые возможности. Они будут основываться не на информированном мнении отдельных людей, будь то директора или занятые НИОКР сотрудники, но скорее на эмпиризме, на том, что в действительности происходит в бизнесе.
        Сегодня «инновации» - богатый термин, со многими смыслами и разными сферами применения. И новая машина может быть применена к вашим исследованиям и разработкам в различных областях, включая следующие:

• продукты и услуги;

• процессы;

• бизнес-модели;

• устойчивость;

• экономичность;

• опыт;

• предпринимаемые клиентом усилия;

• экосистема / цепь поставок.
        Например, с инновациями в сфере товаров ваша команда получает постоянные инсайты относительно того, как используются (или не используются) ваши товары, а также какое недовольство испытывают клиенты и где существуют очевидные возможности улучшения (как дополнительные, так и основополагающие).
        Идея представить инновации, основанные на НИОКР без платформы ИИ, вскоре будет рассматриваться как не более чем догадка. Люди внутри вашей компании будут смотреть на традиционную централизованную группу исследований и разработок и спрашивать: «Кто эти странные специалисты?» Постепенно мы начнем удивляться: «Как нам только приходило в голову, что несколько умных людей в комнате в головном офисе могут постоянно выдавать инновации?» Это будет казаться… глупым.
        Почему? Как может небольшая группа людей, собранных в одном месте, состязаться с идеями и обучающимися ИИ-платформами, которые мы описали в предыдущих главах? Если вы автоматизировали, окружили ореолами и расширили деятельность вашей компании, связанную с этими процессами, двигатели, наделенные ИИ, могут быть применены для инноваций. Ваши процессы исследований и разработок и специальные группы могут быть колоссально расширены применением новой машины, в первую очередь потому, что это радикально повышает масштаб и скорость инновационного процесса.
        Инновации со скоростью и масштабом искусственного интеллекта
        Продолжая расти, Netflix пытается создать главным образом что-то совершено новое - первую в мире глобальную телевизионную станцию. Однако возникает много серьезных трудностей с производством контента, который привлечет большое количество международных пользователей. В конце концов, местной телевизионной станции довольно трудно угадать предпочтения зрителей конкретной агломерации: программные менеджеры таких станций живут в этом обществе, их рука постоянно на пульсе местной культуры, демографии, предпочтений и волнующих моментов. Как может команда Netflix, базирующаяся в Северной Калифорнии, понимать нюансы зрительских предпочтений в таких местах, как Бавария, Австралийские Северные территории или японский остров Окинава? С помощью новой машины это довольно легко.
        Менеджеры Netflix привлекают свои алгоритмы для информирования о том, что работает (и не работает) с конкретной демографической группой в любой точке мира. По сути, они почти постоянно пребывают в удивлении от того, что их личные допущения в большинстве случаев оказываются ошибочными. Например, до момента запуска в Европе команда Netflix полагала, что главная определяющая того, что люди захотят посмотреть, - это возраст. Неправильно.
        Тодд Йеллин (Todd Yellin), глава инновационных продуктов в Netflix, сказал: «Мы думали, что у 19-летнего парня и 70-летней женщины настолько разные вкусы, что персонализировать будет легко. Но правда в том, что 19-летние парни любят смотреть документальные фильмы о свадебных платьях. Всего лишь раз нажать play на сервисе Netflix - и это будет гораздо более мощный сигнал, чем ваш пол или возраст»^6^. А еще - география значит далеко не так много, как сначала ожидала команда Netflix. Здравый смысл подсказывал, что некоторые регионы мира должны иметь очень специфические вкусы. Снова неправильно. Например, многие японские фильмы аниме смотрят за пределами Японии. Йеллин заключает: «Теперь у нас единый мировой алгоритм, суперполезный для нас, поскольку максимально отображает все вкусы всех потребителей со всего мира».
        Если бы Netflix следовал традиционному подходу к исследованиям и разработкам, чтобы понять предпочтения мирового клиента (например, разговаривал с главами студий, нанимал дорогостоящих консультантов, действовал на основании информированного мнения своих самых опытных сотрудников), то, вероятно, сделал бы несколько очень дорогих ошибок. После нескольких серьезных непопаданий руководители Netflix могли прийти к выводу: «Наша модель здесь просто не работает». Вместо этого, постоянно привлекая инсайты, создаваемые новой машиной, компания теперь имеет детализированную дорожную карту своего широкомасштабного расширения.
        Инновации, подгоняемые интеллектуальными системами, еще и быстры. Это сверхбыстрое машинное обучение заключено в сердце закона изобретателя и футуриста Рея Курцвейла (Ray Kurzweil) - «Закона ускоряющейся отдачи». Коротко говоря, Курцвейл настаивает, что люди учатся с линейной скоростью, в то время как машина сегодня учится экспоненциальным шагом. В связи с этим, когда новая машина вскоре распространится широко, скорость человеческого прогресса в XXI веке (что определено по кумулятивному росту человеческих знаний и скоростью инноваций) будет как минимум в тысячу раз быстрее, чем средняя скорость ХХ века^7^.
        И что же, это тысячекратное ускорение в улучшениях действительно приведет к результатам? Вероятно, нет: существует множество факторов углеродных форм, замедляющих инновации (например, мнения людей, идеи и эмоции, а также разнообразные внутренние проблемы организаций, о которых мы говорили ранее). Так что давайте будем консервативны и занизим предсказание Курцвейла не слегка, а намного. Но даже если мы снизим скорость машинных инноваций на два порядка, все равно это будет означать, ваш процесс НИОКР будет двигаться с десятикратной скоростью по сравнению с сегодняшней. Это уровень масштаба и скорости, который традиционные исследования и разработки обеспечить не смогли бы никогда.
        Блокчейн - наша цифровая газонокосилка?
        Каждые несколько лет в технологической индустрии появляется очень многообещающая технология. Иногда эти обещания выполняются (например, интернет, смартфоны, социальные платформы). Иногда нет (например, виртуальная Second life, игрофикация, Google Glass).
        Если бы и была какая-то технология, способная завоевать награду «за славу и хайп», то это блокчейн - рассредоточенный в воздухе реестр, имеющий потенциал автоматизации не только ключевых процессов, но и целых отраслей.
        Goldman Sachs сказал, что блокчейн имеет «потенциал пересмотреть суть транзакции» и загрузить «все»^8^. Много голосов предсказывают сегодня, что блокчейн фундаментально меняет не только банковскую систему, но и другие жизненно важные разделы экономики, такие как управление и хранение документов, обслуживание контрактов и управление идентификационной информацией.
        Сторонники блокчейна верят, что у него есть потенциал автоматизировать основные функции банковской системы: кредитование, платежи и расчеты. Подумайте обо всех расчетах, совершаемых ежедневно с использованием кредитной карты, по операциям с акциями, с обменом валюты, с запросами на кредиты, выплатами по страховкам и так далее. Как в известной фразе Карла Сагана (Carl Sagan) - «миллиарды и миллиарды»^9^. И подумайте о жизненно важной социальной роли, которую играют банки, инвестиционные банки, компании кредитных карт и страховые фирмы, в том, чтобы все эти операции проводились прозрачно и надежно. Что, если бы все эти функции могли быть автоматизированы и проводились намного быстрее, дешевле и безопаснее? Добро пожаловать в блокчейн, возможно, одну из самых мощных технологий и плодородных направлений для открытий.
        И потенциал его использования не останавливается на финансовых услугах. Например, что, если бы гарантийное управление не осуществлялось только централизованными компаниями, полными людей, а было бы автоматизировано в блокчейне на облаке? То есть, например, любая оснащенная измерителями машина, столкнувшаяся с механическими повреждениями (воздушный кондиционер, шина, двигатель и т. п.), не должна была бы ждать серии проводимых людьми исследований, диагностики и последующей починки. Вместо этого машина сама распознавала бы проблему, определяла, как ее надо устранить, проверяла свою гарантию, подыскивала подходящего механика, проводила оплату и обновляла соответствующие записи. И все это было бы автоматизировано - с доверием и эффективностью - с помощью блокчейна.
        Пессимистично настроенные к блокчейну люди, с другой стороны, имеют очень простой аргумент: «В чем же суть?» Они отмечают, что случаи промышленного использования автоматизации коренных процессов с блокчейном в крупных корпорациях пока что наперечет.
        Так что же нам думать про блокчейн? Как преодолеть замешательство и найти верные действия по управлению компанией? Мы предлагаем вам следовать двум параллельным подходам, которые могут быть применены ко многим технологиям и идеям.

• ВОСПРИНИМАТЬ БЛОКЧЕЙН КАК ОПЦИОН НА ПОКУПКУ. Блокчейн - как рискованные акции с высоким бета-коэффициентом. Они могут лопнуть, а могут принести значительный доход. Подходите к нему так. Делайте небольшие инвестиции, которые могут красиво окупиться, если блокчейн пойдет на взлет, но достаточно маленькие, чтобы вы могли просто уйти, если блокчейн сдуется. Чтобы сделать это, убедитесь, что несколько членов команды, занятой вашей коренной технологией, погружены во все, что связано с блокчейном. Вступайте в союзы с ключевыми разработчиками технологии блокчейн (как продуктов, так и услуг). Запускайте внутри компании несколько маленьких пилотов. Пристально следите за сценариями его использования в других компаниях. Смотрите, имеет ли все это смысл.

• НЕ ПОЗВОЛЯЙТЕ ХВОСТУ БЛОКЧЕЙНА ВИЛЯТЬ СОБАКОЙ БИЗНЕСА. Как и бывает с любыми технологическими увлечениями, в вашей среде обязательно окажутся фанатики блокчейна. Они будут видеть возможность применения блокчейна практически КО ВСЕМУ в вашей компании. Мы видели несколько случаев, когда подобный образ мышления создал внутри слишком большую инерцию, что привело к фальстарту. В подобных обстоятельствах драгоценные время, деньги и силы тратятся на новейшие технологические начинания без того, чтобы кто-нибудь спросил: «В чем здесь выгода для нашего бизнеса?»
        Один из главных принципов этой книги в том, что машины могут сделать очень многие вещи, но практическое применение должно быть направлено на конкретные бизнес-процессы и покупательский опыт. Когда вы инвестируете в открытия, начните с уровня процессов-и-опыта и представьте, как процесс может быть перестроен и обновлен с помощью цифровых технологий. Понять это слишком поздно и позволить блокчейну или любой другой новой технологии (например, квантовые вычисления, дополненная реальность, ядерный синтез) привлечь слишком серьезные инвестиции может стать рецептом провала.
        Делать открытия сложно, но не так сложно, как быть отстающим
        Если вам нужны еще аргументы, доказывающие важность того, что нужно быть готовым к открытиям, то взгляды крупнейшего мирового инвестора Лоренса Финка могут оказаться полезными. Финк, чья фирма BlackRock, Inc. имеет под управлением 4,6 миллиарда долларов, не тот человек, от которого ты ожидаешь заинтересованности в чем-то еще, кроме результатов за следующий квартал. При этом недавно Финк отправил директорам первых 500 компаний по рейтингу S & P и крупным европейским корпорациям письмо, начинающееся словами: «Мы просим каждого генерального директора ежегодно информировать акционеров о долгосрочных стратегических планах по созданию ценности… Сегодняшняя истерия по поводу квартальных доходов полностью противоречит нужному нам долгосрочному подходу»^10^.
        Финк отмечает, компаниям нужно признать, что чрезмерное внимание к старым подходам без достаточного приоритета подходам новым дает вредоносные последствия. Далее в письме говорится: «компании недостаточно информируют [своих акционеров] о… новых технологиях и других инновациях, оказывающих воздействие на бизнес».
        Эти идеи важны для любой организации, пытающейся изобрести будущее своей работы. Принять ошибку - значит создать предпосылки для создания долгосрочной ценности. В своем путеводителе по миру стартапов Калифорнии «Chaos Monkeys: Obscene Fortune and Random Failure in Silicon Valley» бывший менеджер продукта Facebook Антонио Гарсиа-Мартинес (Antonio Garcia-Martinez) выражает мнение, что 90% компаний из 75% компаний, которым не удается достичь «скорости отрыва», терпят неудачу потому, что просто сдаются. Жизнь стартапов очень нелегка.
        Открытие - это сложно, это малопригодное для жизни место. Здесь нет гарантий. Смириться с ошибкой - противоречит многим персональным и корпоративным инстинктам. Однако без такого отношения - без гибкости - будущее, вероятно, выглядит во многом настолько же пугающим, как ваше настоящее, которое совершенно точно вскоре станет прошлым. И это вовсе не будущее.
        Что сделать в понедельник? Не ограничивайте человеческое воображение
        Открытие может быть рискованным. Инвестируете слишком много в ошибочную идею - и вы банкрот. Подождете, пока это сделает кто-то другой, - и вы упустите рыночную возможность всех времен. Уже было написано бессчетное количество книг о методах инноваций, претенциозных планах и будущем общества. Однако наша цель здесь - дать вам определенный практический совет, заключенный в единую прямую стратегию.
        Совет состоит в следующем: не ограничивайте человеческое воображение. Успех в эпоху, когда почти все делают машины, также означает принятие и веру в то, что и для людей будет достаточно много дел.
        Если, как считают некоторые техноскептики, машины в ближайшем будущем оставят людей не у дел, то фундаментальная ДНК Homo sapiens, двигавшая нас сквозь тысячелетия, высохнет. А что характеризует эту ДНК? Это любопытство - то, что является ключевой характеристикой интеллекта (в его нынешнем проявлении в форме человека). От наших первых слов до наших первых шагов и нашего первого путешествия - самой нашей человеческой сущности присуще желание знать кто, что, почему и где. Никто не говорит нам задавать вопросы. Ни родители, ни учитель, ни телепрограмма, ни общение в соцсети не говорит нам и не программирует на то, чтобы хотеть знать, что происходит. Мы просто хотим.
        Если компьютеры начнут задавать вопросы вроде «И что это интересно ты делаешь, Дейв?», то нам стоит начать волноваться. Но пока что это в настолько же далеком будущем, в каком было пятьдесят лет назад, когда стали слышны первые пророчества бед для человечества, вызванных ИИ. До тех пор человеческие существа будут задавать вопросы, быть любопытными, воображать и создавать - используя при этом новую машину.
        Штука в том, чтобы сообразить, как выявить и питать следующую большую (или маленькую) идею, соблюдая при этом баланс с реальностью того, как совершаются инвестиции в крупных и средних компаниях. На самом деле, когда нам с клиентами удается совершить открытие, первый рефлекс - заявить: «Но у нас совсем нет денег!»
        Имея это в виду, в следующих подразделах мы опишем некоторые вещи, которые вы можете сделать, чтобы помочь сбалансировать бюджет и в то же время получить выгоду от результатов мудро проведенного процесса поиска и открытия.
        Применяйте цифровой кайдзен
        Так какова лучшая практика внедрения этой новой формы инновации? Мы видим слишком много менеджеров, ожидающих «следующего грандиозного прорыва» или, говоря спортивными терминами, Большого шлема. Так оно не работает.
        Противоположный подход состоит в том, чтобы узнавать, как новая машина может добавить наибольшую стоимость - благодаря поиску постоянных, небольших улучшений или постоянному появлению хитов. Это сродни японской концепции кайдзен, что переводится как «изменение для улучшения», но добиваются его маленькими, постоянными улучшениями, что со временем даст крупное воздействие.
        С помощью цифрового кайдзен, максимально привлекая новую машину для постоянного поиска пошаговых улучшений, функции исследований и разработок могут быть кардинально изменены. Например:

• в продуктовых инновациях платформы ИИ могут помогать контролировать парк техники или машин, позволяя быстро выявлять, какие компоненты постоянно падают и почему это происходит;

• в инновациях процессов ИИ будет мониторить оснащенные измерителями рабочие процессы и быстро выявлять существующие бутылочные горлышки, после чего рекомендовать новые подходы;

• в касающихся клиентов инновациях непрерывный анализ того, как на самом деле клиент использует продукт, будет давать информацию менеджменту продукта и влиять на ценообразование.
        Именно в этих областях новая машина с самого начала может быть успешно направлена на исследования и разработки. Это чистый пример цифрового кайдзен, серия маленьких открытий, которые со временем могут изменить саму основу конкурентной борьбы.
        Например, для колледжей и университетов нет ничего более важного, чем их студенты, - вернее, сохранения их в качестве студентов. Университет Кентукки (в Лексингтоне) сегодня справляется с удержанием аудитории, немного применяя цифровой кайдзен. Школа начала привлекать платформу аналитики данных в реальном времени и команду специалистов по данным, чтобы разработать прогнозную систему оценок, которая здесь и сейчас дает инсайт в индивидуальную заинтересованность студента. Данные собираются посредством проведения коротких опросов среди студентов при выполнении входа на учебный портал: например, их спрашивают, купили ли они все необходимые учебники, или просят оценить уровень стресса по шкале от 1 до 5. Всего за пять недель школа собрала данные от более чем сорока тысяч отдельных обучающихся. Полученные сведения помогли улучшить удержание студентов на этапе с первого до второго курса на 1,3% - очевидно небольшое улучшение со значительным воздействием на выходе^11^.
        Лучшая часть: с прорывными инновациями ваши конкуренты быстро начнут искать способ нейтрализовать их на рынке. Но с цифровым кайдзен ваши движения будут малозаметными, а потому сложными для повторения.
        Создавая реалистичные планы открытий, легко получить случай тяжелого шокового состояния. По своей природе специфические ROI и создаваемые с благими намерениями диаграммы Ганта имеют тенденцию вселять фрустрацию, если применять их к открытиям. Лучший местный антидот - сбалансировать краткосрочные реалистичные инновации, то есть цифровой кайдзен или, может быть, открытие «с маленькой О», с вашей собственной газонокосилкой или полетом на Луну - с Открытием «с большой О».
        Цифровой кайдзен фокусируется на маленьких шажках к значительным результатам, на краткосрочных проектах, за которые вы можете взять ответственность. К этому моменту направление должно быть ясно: снизить расходы с помощью автоматизации, инструментировать все и собирать «выхлопы» данных.
        Ваш цифровой полет на Луну может быть спроектирован с помощью блокчейна или квантовых компьютеров, или даже искусственного суперинтеллекта. Это большие ставки, которые, если вы мыслите как венчурный капиталист, могут делаться со временем и маленькими шагами.
        Трудность здесь в том, чтобы сбалансировать оба подхода.
        Пусть хиты оплачивают промахи
        Еще один из основных ключевых принципов открытия наилучшим образом выразил сценарист Уильям Голдман (William Goldman) в своей книге 1983 года о киноиндустрии «Adventures in the Screen Trade»: «Никто ничего не знает».
        Ваша цель должна состоять в том, чтобы стать бизнесом «всезнаек» благодаря оснащению измерителями, сенсорам, большим данным и аналитике. Однако природная непредсказуемость будущего - это, вероятно, постоянная истина. Никто в действительности не знает, что сработает в дальнейшем, даже Netflix. Голдман говорит, что люди, если им повезет, могут сделать «обоснованные предположения». Ореол кодов может помочь научиться делать лучшие предположения и сделает незнание менее приемлемым, но нужно иметь достаточно смирения, чтобы понимать, что по-настоящему знать мы не можем. Это особенно верно в широком пространстве, которое создается сегодня новыми газонокосилками.
        Чтобы иметь дело с реальностью, надо вырвать лист из голливудской книги и структурировать свои связанные с открытиями усилия, руководствуясь принципом «хиты платят за промахи». По некоторым оценкам, 70% фильмов деньги теряют^12^ (существуют лишь примерные оценки, поскольку бухгалтерию киноиндустрии связывает давняя omerta). Похожие пропорции и в других творческих отраслях, таких как музыка, книги и театр. Даже у именитых актеров и писателей в резюме масса неудач: маловероятно, что бомбу Роберта Де Ниро «Старый новый год» (New Year’s Eve) 2011 года упомянут в печальный день в его некрологе в The New York Times.
        Конечно, в технологической отрасли полно собственных провалов: Vista от Microsoft, телефон Facebook, Lisa от Apple - даже великие часто спотыкаются. Шикхар Гош (Shikhar Ghosh) из Гарвардской бизнес-школы считает, что 75% проинвестированных венчурным капиталом фирм в США не возвращают капитал своих инвесторов^13^. Фондирование технологий, как в мире венчурного капитала, так и внутри крупных корпораций, намеренно организовано так, что уровень неудач в 70% (и выше) считается приемлемым.
        Думая как венчурный инвестор, признайте, что успех определяется активным управлением портфолио. Это не вложение всех денег одного человека в одну идею, а совершение множества инвестиций, многие из которых не оправдают надежд. Согласно данным известных инвестиционных фирм, «Около половины инвестиций возвращают меньше, чем составляла первоначальная сумма инвестиций»^14^. Анализ также показывает, что ничтожные «6% сделок… дают общий возврат более 60%».
        Наверное, это отрезвляющая информация. Вы можете спросить: «Как мы можем вернуть инвестиции, если умные деньги выступают так плохо?» Что ж, вы можете обернуть эти обстоятельства в свою пользу, но главное - это управление портфолио, а не избегание ошибок. На самом деле, в цитируемом исследовании говорится, что лучший возврат получается не из меньшего числа неудач, а из большого числа настоящих хитов. Другими словами, нужно больше рисковать, чтобы получать лучшие возвраты.
        Выясняется, что лучшие венчурные капиталисты (с самыми большими и постоянными возвратами) достигают успеха не только через прекрасный менеджмент личных стартапов (то есть умение найти великолепных предпринимателей с фантастическими идеями и обеспечить их правильным фондированием и поддержкой). Факты свидетельствуют о том, что более важен тот простой факт, что они делают больше ставок и хотят чаще терпеть неудачи.
        Даже если ваши формальные обязанности не связаны с НИОКР ради открытий, это означает, что стоит собрать портфолио инициатив, направленных на открытие, с четкой методологией жизненного цикла, которая управляет этими инициативами от зарождения до окончательного успеха или провала. Некоторые компании организовывали группы сотрудников с предпринимательским складом ума и позволяли им выдвигать идеи новых продуктов или услуг; это попытка компании через надежное финансирование и поддержку в управлении расширить команды и утвердить идеи как действующее на внешнем рынке подразделение, а затем вырастить их в достаточно зрелые субъекты, которые можно «аттестовать», чтобы стать частью двигателя, повышающего общие доходы всей компании. Это помогает балансировать цифровой кайдзен - открытие инноваций на уровне процесса - амбициозными и фантазийными открытиями: то есть с поиском нового хита. Именно это делает Toyota: балансирует инвестиции в свои традиционные модели, постоянно работая над беспилотными автомобилями.
        Дорога к беспилотному автомобилю
        Одно из мест, где мы полностью полагаемся на автоматизацию и чувствуем себя совершенно комфортно, - это наши автомобили. Ручная (с рычагом переключения) трансмиссия сегодня в США составляет менее 4% продаж^15^. Мы почти не заметили, как автомобили наполнились автоматизированными технологиями: окна, рулевое управление, круиз-контроль, GPS, адаптивные фары - список можно продолжать. Автоматизация подкралась и окружила нас, чтобы улучшить опыт вождения.
        Ускоряющийся рост автоматизации сегодня привел нас к следующему уровню: к полностью автономному, самоуправляющемуся автомобилю. Долго оставаясь стандартным атрибутом развлекательной научной фантастики, от «Бегства Логана» (Logan’s Run (1976)) до «Рыцаря дорог» (Knight Rider TV show (1982 -1986)), «Вспомнить все» (Total Recall (1990)) и «Особого мнения» (Minority Report (2002)), беспилотные автомобили быстро (и неистово) становятся реальностью.
        Вслед за Google, который в 2010 году объявил, что будет разрабатывать автономные транспортные средства, чтобы выиграть в этой гонке, пристегнулись и вжали педали в пол основные автопроизводители^16^. Ford, General Motors, Audi, Mercedes-Benz, BMW и другие полностью погружены в процесс демонстрации разнообразных благ, которые несет в себе автоматизация автопарка: некоторые будут полностью самоуправляющимися (больше всего внимания привлекает модель от Ford «без руля/без педалей», разрабатываемая совместно с Google), другие, такие как Audi, уже в 2018 году сделают доступной опцию «автопилот для движения в пробке по шоссе». Знаменитый выскочка этой отрасли Tesla наделен опцией «look Ma, no-hands», что можно перевести как «смотри, мам, не держусь», которая уже (в основном) успешно используется тысячами людей.
        Toyota, лидер мирового рынка с более чем десятью миллионами ТС, проданных в 2015 году, увеличивает инвестиции в автономию, вкладывая в следующие пять лет более миллиарда долларов в оснащение автомобилей сенсорами и ИИ^17,18^. Цель - иметь машину, которая сама сможет привезти себя по шоссе к Олимпийскому стадиону Токио в 2020 году^19^.
        Как сказал нам Нед Цурик, исполнительный директор по технологиям и разработкам в Toyota Connected в Лос-Анджелесе, «бизнес-модель, конечно, преобразится. То, как мы вообще продаем машины, в следующие десять лет изменится, и то, как вы оказываете автомобильные услуги, изменится. ИИ будет играть в будущем огромную роль. ИИ - это центральная технология, которая изменит наш опыт».
        Вопреки этим душераздирающим отраслевым переменам, Цурик говорит, что будущее неясно: «Если верить Кремниевой долине, никто не будет управлять автомобилями через десять лет. Однако реальность демонстрирует нечто противоположное. Мы проводили исследования, и, к нашему удивлению, поколение двухтысячных хочет иметь машину и управлять ею. Так что мы, как компания, должны подстраховаться, оставить лазейку».
        Полностью автоматизированное ТС может быть для Toyota полетом на Луну, но компания постоянно работает над более скромными, но все же важными открытиями, связанными с вождением автомобиля человеком.
        В среднесрочном будущем Toyota видит автономные машины как опцию, которую продает во всей линейке автомобилей, для которых более высокие уровни автоматизации становятся нормой, но воздерживается от полной автоматизации. Полностью беспилотные автомобили предназначены для определенных групп людей и для определенных ситуаций: вероятно, их захотят пожилые и люди с ограниченными возможностями, организации, работающие в опасных условиях (таких как шахты или аэропорты), сочтут их полезными. Цурик сказал, что верит в то, что «в течение десяти лет вы сможете водить беспилотный автомобиль с тем, чтобы водителю не приходилось обращать внимания на многие дороги Америки, но не на любые дороги».
        Важный урок открытий здесь в слове «подстраховаться». Организациям, пытающимся открыть будущее, нужно действовать как венчурные капиталисты или киностудии, делая много маленьких, а не одну большую ставку. Никто не знает НАВЕРНЯКА, насколько большим будет рынок беспилотных автомобилей через 5, 10 или 20 лет. Но руководители Toyota знают точно, что, если они не будут в него инвестировать, очень рискуют потерять свою лидирующую позицию.
        Помимо того, чтобы запустить этот подход работать внутри вашей компании, его можно подогнать под набор вопросов, за которые отвечаете непосредственно, какой бы стороной бизнеса вы ни занимались. Если вы ответственны за финансовые вопросы, активно ищите у своей команды идеи уменьшения циклов закрытия счетов в конце месяца: получив десять идей, одну или две из них вы сможете использовать в дальнейшем. Если вы занимаетесь продажами, попросите рекомендаций по использованию новых инструментов ради повышения уровня конверсии покупателей. Опять же, большинство предположений, вероятно, ни к чему не приведут, но легализация культуры, где одобряется поиск новых идей, является мощным способом дать сигнал, что бизнес по-старому - не единственный бизнес, которым вы заняты.
        Оставьте прошлое позади
        Работая с клиентами, мы вновь и вновь слышим вариации этой жалобы: «Нам нравятся ваши идеи. Мы бы хотели построить Ореол кодов и внедрить интеллектуальные системы. Мы знаем, что должны перемещаться в сторону цифрового будущего. Но… У нас такая укоренившаяся, сложная, ответственная, направленная на выполнение задач система, что мы не можем меняться; мы не рискуем перерезать провод «Х», поскольку просто не знаем, что в этом случае произойдет».
        Инициативы открытий во многих компаниях из списка Fortune 500 тормозятся из-за унаследованных дорогих технологий, приобретенных на невозвратные средства. В то время, когда конкурентные преимущества технологий высоки, как никогда, эти организации за огромные деньги поддерживают системы, имеющие огромные конкурентные недостатки.
        Причина в том, что они не могут выключить старое оборудование.
        Каждый, когда-то имевший дело с корпоративными IT, знает, что концепция выведения из оборота систем (то есть их устранения, убийства, отключения) им абсолютно чужда. Даже появляющиеся новые системы, приложения и процессы обычно «сажают» поверх предшественников. Системы надстраивают сверху систем, и прежде чем вы это поймете, получаете логическую архитектуру, напоминающую тарелку спагетти.
        В организационных IT никогда не было культуры выбрасывать вещи с истекшим сроком годности. Невозможно заработать очки, ставя под сомнение ценность старой системы или делая выбор в пользу погружения в часто сложные и неудобные (потенциально мешающие карьере) политические дискуссии по этим вопросам: «Фред ввел в эксплуатацию это приложение. Я не хочу говорить ему, исполнительному вице-президенту, что эта система уже не так хороша».
        Время от времени директора пытались представить эти идеи как «бюджетирование с нулевой базой», чтобы заставить IT холодно и пристально присмотреться к существующим конструкциям, но это давало мало результатов. Проблема 2000 года доказала, что старые системы не умирают никогда. Слишком мало славы в IT приносит применение новых систем вместо умения справиться со старыми.
        Однако помимо проблемы ведения бухгалтерского учета, существует еще и психологическая проблема. В конце концов, отключение всех систем ощущается как выбрасывание денег. Японский автор Мари Кондо (Marie Kondo), чья книга «Магическая уборка. Японское искусство наведения порядка дома и в жизни» превратилась в невероятный феномен продаж (4,5 миллиона экземпляров продано, и счет продолжается), говорит, что деньги, которые вы потратили на предмет, были ценой за радость, которую он принес за время использования^20^. Если предмет больше не «зажигает радостью», то нет нужды держаться за него.
        Говоря бухгалтерским языком, мы можем сказать, что предмет «полностью обесценился», едва ли вообще доставил нам когда-либо «радость».
        В этом проблема. Не расчистив место от систем и процессов, которые больше не подходят под наши цели или скоро перестанут под них подходить, организации ставят под угрозу свои возможности найти бюджет, время, ресурсы и энергию для инвестирования в будущее. Учитывая то, что IT-бюджеты год за годом немного увеличиваются, маловероятно, что ведение бизнеса обычным способом приведет компанию к смещению приоритета на построение и максимальное использование новых машин.
        Выключить старые IT трудно, но стратегии решения этой головоломки действительно существуют. Природа многих IT-систем заключена в том, что они созданы для выполнения конкретной задачи, поэтому осторожность здесь вполне понятна. Никто не обрадуется, если в управляющем полетами ПО American Airlines случится ошибка, когда самолет находится в тридцати пяти тысячах футов над землей. Однако реальность такова, что, если руководители IT (и руководители бизнеса) не будут честны в том, какие приложения, процессы и системы стоит отключить, им (и компаниям, на которые они работают) останется лишь сидеть и смотреть, как невероятные возможности этого нового золотого века ускользают все дальше и дальше.
        Поскольку мы продвигаемся от систем ведения записи к интеллектуальным системам, полезно будет еще раз отметить то, какие элементы прошлого будут полезны в будущем. В главе 4 мы показывали, что у систем ведения записей есть свое место в новой машине, которую надо создать, но не полностью, не занимая всю ее и не так, как они организуются сегодня. Прежде чем сделать шаг вперед, осмотрите - или осмотрите еще раз - текущее портфолио IT и процессов непреклонным взглядом. Велика вероятность, что вам придется привлечь внешних экспертов, которые выскажут вам не приукрашенную правду. Самое важное, признайте, циклы технологических инноваций, которые мы описывали в этой книге, проходят так быстро, что системы, построенные 10, 20 или 30 лет назад, не выстоят перед конкурентным натиском систем, построенных на новейших инструментах и сырьевых материалах.
        Сыграйте в игру возвращения
        Если вы думаете, что открытие - это что-то, описываемое на практике, но невозможное в реальности, настало время изменить мнение. Говорят, картинка стоит тысячи слов, так что вот вам 90-секундное упражнение, чтобы доказать нашу мысль.
        Откройте браузер и проверьте Архив Интернета (Internet Archive Wayback Machine на Как следует из названия, это некоммерческая группа с более чем 500 миллиардами архивных веб-страниц за последние десятилетия. Потом выберите известную вам компанию и проверьте ее, покопайтесь в найденном. У больших компаний, в том числе HP, Kodak и IBM, масса архивных страниц.
        Сначала это забавно, вроде: «О, а ты помнишь пленку?!», однако здесь есть ресурс для гораздо более глубоких наблюдений. Дизайну и содержанию сайта Kodak 1997 года двадцать лет, но он ощущается таким устаревшим, как шерстяной купальный костюм или велосипед-паук с разными колесами. Эти сайты были сверхсовременными во всем, но мир с тех пор чудесным образом переменился. Те из нас, кто жил в те времена, знают, мы понятия не имели о том, что предстоит. Людям вообще сложно экстраполировать события на будущее. Мы вполне довольны и (заслуженно) горды настоящим моментом. Мы верим, что находимся в зените развития (технически, социально и так далее). Мы жестко запрограммированы думать о себе как о находящихся на вершине, в то время как в действительности мы лишь в самом высоком лагере на склоне бесконечно высокой горы. Мы просто не способны предвидеть, какими будут вещи через пять или десять лет.
        Еще один урок игры в возвращение в том, как быстро меняются технологии. Многие компании, которые еще недавно правили балом - HP, CSC, EDS, Compaq, Gateway, Research in Motion, Nokia и т. д., - сейчас или переживают нелегкие времена, или вовсе пропали. Если вы находитесь в технологической отрасли, то это обычный бизнес, но, как мы уже показали, цифры подходят к «работе, имеющей значение». Банкам, страховым компаниям, ритейлерам, медицинским компаниям и так далее надо привыкать к скоростям перемен в технологическом секторе.
        Создайте свой собственный эффект расцветания
        Машины будут делать все больше и больше, и компании, лидирующие в переменах, будут процветать в цифровой экономике, где «победитель забирает больше всех». Открытия не должны перейти в руки ваших конкурентов или ваших последователей. С новой машиной у вас есть все инструменты и ресурсы для открытия. Это ваша трудная задача и ваша возможность.
        На протяжении книги мы говорили о великих новаторах, таких как Ватт, Форд и Джобс, а также упоминали менее крупных первопроходцев, таких как Эдвин Баддинг. Мы верим, что за следующие двадцать лет появится целая плеяда новых образцовых новаторов, которые преобразуют свои отрасли. Мы не знаем, кто они, откуда они или что они будут делать. Никто не знает.
        Как бы то ни было, с огромной уверенностью мы можем предсказать, что они объединят Три М и применят принципы модели AHEAD (ВПЕРЕД), чтобы сосредоточиться на имеющей значение работе. Центральным в их продуктивной деятельности будет убеждение, что что-то лучшее может быть создано. Ведь, в конце концов, настоящее сердце открытия - надежда.
        Глава 12
        Соревнование в кодах: призыв к действию из будущего
        За три года, в течение которых мы работали над этой книгой, дебаты о плюсах и минусах ИИ активизировались, и линия сражения прочерчивается все более четко.
        В одном лагере собрались идеалисты, те, кто верит, ИИ создан, чтобы доставить нас в мир чудесного и удивительного, в мир бесконечных технологических шедевров и широких, залитых солнцем равнин. В другом лагере - скептики, которые видят мир злонамеренных роботов, безнравственных повелителей и беднейшего населения, едва наскребающего на жизнь на руинах великой американской мечты. У обоих лагерей есть свои пастыри и проповедники: знаменитый изобретатель и футурист Рей Курцвейл (о нем в главе 11) видит двадцать тысяч лет прогресса, которые случатся за следующие сто лет^1^. Генеральный директор Института искусственного интеллекта имени Аллена (Allen Institute of Artificial Intelligence) Орен Эциони (Oren Etzioni) представляет себе мир, в котором люди заняты «делами, значимыми лично для них, такими как искусство»^2^. Генеральный директор Tesla Илон Маск (Elon Musk), напротив, называет ИИ «нашей величайшей экзистенциальной угрозой», а физик Стивен Хокинг предрекает, что ИИ может быть последним событием человеческой истории^3^.
        Любой, кто прислушается к этим дебатам, может вскоре ощутить растерянность от этих утверждений и возражений на них, так как у обоих лагерей сильные аргументы. Если ИИ действительно будет развиваться по нынешней траектории, нетрудно вообразить, как он оставляет нас далеко позади уже в не слишком отдаленном будущем; опять же, будущее может быть удивительным - до тех пор, пока «Я внутри обнесенного стеною сада».
        Искусственный интеллект для прагматиков
        Вопрос, который вы, вероятно, задаете, приближаясь к концу этой книги: какой лагерь правильный - идеалисты или скептики?
        Ответить коротко? Никакой.
        Будущее не будет ни одной, ни другой крайностью, это не будет утопией или антиутопией. Мы твердо верим, о чем неоднократно заявляли по ходу книги, что умные машины повысят жизненные стандарты, создадут лучшие, приносящие больше удовлетворения рабочие места, позволят нам решить большие проблемы и изобретут абсолютно новые продукты, услуги и переживания. Но мы также полностью признаем ту правду, что интеллектуальные машины вытеснят некоторые занятия, будут оказывать давление на многие другие рабочие места, сделают некоторые навыки и способности человека бесполезными и оставят позади тех, кто не способен держаться на плаву и конкурировать.
        Между двумя крайностями этих споров находится реальность того, что случится в следующие несколько лет. Машины научатся делать все больше и больше, узкий ИИ будет проникать в каждый тип программного обеспечения, а также во все большее количество физических продуктов, интеллектуальные системы поставят под удар системы (продукты, процессы и организации), которые не стали интеллектуальными, а покупатели будут стремиться к ценам Google и Amazon.
        Все это случится, в этом нет сомнений, хотя дебаты вокруг ИИ продолжатся.
        До настоящего времени споры вели теоретики. Теперь время взяться за дело прагматикам, понимающим, что прошлое никогда не было исключительно утопией или дистопией. В конце концов, самой продаваемой записью в Англии 1967 года, в зените славы The Beatles, как уверены многие музыковеды, стала песня Энгельберта Хампердинка (Engelbert Humperdinck’s) «Release Me». Прошлое всегда имело две стороны, и поэтому прагматики верят, обе они останутся и в будущем.
        Рисунок 12.1. Идеалисты vs Скептики vs Прагматики
        Прагматики знают, что споры никогда не утихнут и полного согласия не будет достигнуто, но они знают, что спорить о лежащем впереди будущем менее важно, чем создавать вероятное будущее, двигаясь ВПЕРЕД/AHEAD. Прагматики будут ответственны за проведение своих компаний через наступающие годы, которые, в чем согласятся все - и идеалисты, и скептики, будут полны перемен, крушений, возможностей и риска.
        Цифровое расширение уже здесь
        В этой книге мы утверждали, что инновации в информационных технологиях и инвестиции последних семидесяти лет - лишь предвестники следующей волны цифровизации, которая окажет по-настоящему революционное воздействие на все аспекты работы, общества и жизни. Ровно так, как английский мир 1840-х годов отличался от Англии 1770-х, но был совершенно не похож и на Англию 1870-х (в конце Второй индустриальной революции), сложносочиненная и экспоненциальная природа цифрового прогресса ведет к тому, что следующий пятнадцатилетний период принесет фундаментальные преобразования.
        Если иногда вам кажется, что сегодня вы подаете обращение за компенсацией в страховую компанию примерно так же, как делали это впервые в 1973 году, или что посещение автомобильного центра вроде бы не изменилось с тех пор, как получили водительские права, вы правы: технология лишь сгладила углы в работе этих организаций. Но через пятнадцать лет этот опыт, а также масса другого, станет полностью неузнаваемым.
        Как будут выглядеть продукты и услуги вашей компании в 2030 году? Будут ли они умными, персонализированными, наполненными интеллектом и предложенными на ценовом уровне, открывающем огромные новые рынки? Или они будут лишь немного лучше, чем сегодня, когда действуют на системах, разработанных в ХХ веке, а в процессах участвует много бумаги, дубликатов и сопутствующих действий? Будут ли они по-прежнему на плаву?
        Чем больше цифровое расширение, тем больше мы должны видеть впереди себя возможностей с удвоенными силами взяться на работу, имеющую значение. Лидирующие компании (и ведущие их руководители) улучшат и обновят то, как мы управляем своими деньгами, здоровьем, физической инфраструктурой наших городов, а также то, как мы экипируем детей тем, что необходимо для успеха, как осуществляем управление и обеспечиваем безопасность от того, что может нам навредить. Интеллектуальные системы будут в сердце всех этих усилий по улучшению нашего общества.
        Объедините Три М
        По мере того как рост S-кривой продолжает свое неотвратимое движение на юг (а наши политики - спор о том, как распределять трофеи), набирает силу новая S-кривая, а также компании, находящиеся в достаточном равновесии для проведения новой подзарядки. Это компании, которые научились справляться с Тремя М: объединять новые сырьевые материалы цифровой эпохи (данные), новые машины (интеллектуальные системы) и новые модели (бизнес-модели, оптимизирующие монетизацию основанной на данных персонализации). Это компании, понимающие, как построить и оперировать бизнесом «всезнаек», считающие, что умных машин надо не бояться, а принять и использовать, и которые скорее черпают энергию в неизвестном будущем, чем держатся за славное прошлое.
        ДАЖЕ ЕСЛИ МАШИНЫ МОГУТ СДЕЛАТЬ ВСЕ, ИМЕННО ЛЮДИ ПО-ПРЕЖНЕМУ ОСТАНУТСЯ ПОСЛЕДНИМ РЕШАЮЩИМ ФАКТОРОМ. И очевидно, что в обозримом будущем именно таким людям, как вы, нужно будет решать инструментировать все, собирать все способные дать результат данные, задавать вопросы о них и учить обучаемые алгоритмы тому, что надо искать, что важно и что несущественно. Именно людям надо принять решение, стоит ли инвестировать в Hadoop, в BigML или Hive, в AWS или в облако Oracle. Именно людям предстоит сделать трудное дело и решить, стоит ли поддерживать жизнь в некогда успешном продукте.
        На эти сложные вопросы, наряду с миллионами других, вам нужно ответить сегодня, хотя дебаты об «интеллекте» растянутся далеко за линию горизонта (как сухо отмечает Wikipedia, «определение интеллекта противоречиво»^4^).
        Это лидеры, как вы, кому нужно знать, что делать, когда все делают машины. Для таких лидеров, как вы, написана эта книга.
        Двигайтесь ВПЕРЕД / AHEAD
        Наша модель AHEAD - наша рекомендация, чем вам стоит заняться:

• автоматизировать все что можно;

• инструментировать, оснастить измерителями все что можно;

• расширить каждого человека, которого сможете;

• опустить уровень цен на ваши продукты и услуги настолько низко, насколько возможно;

• открыть и изобрести все варианты будущего, какие сможете.
        Автоматизируя, вы отделяете цены от процессов, повышаете скорость процессов, улучшаете качество процессов и достигаете «надчеловеческого» уровня.
        Оснащая все измерителями и создавая Ореол кодов, вы превращаете все в «генераторы данных», давая себе возможность увидеть факты, которые были невидимы прежде.
        Расширяя с помощью новых технологий людей, системы и процессы, вы улучшаете производительность деятельности человека. Умножьте это на 1000 или на 10 000 людей (или на их количество в вашей организации) и в целом улучшите общую производительность своего предприятия.
        Снижая цены на то, что продаете, вы увеличиваете размеры своего рынка; в определенной ценовой точке ваше предложение получает потенциал стать избыточным.
        Отдавая приоритет инновациям, вы повышаете шансы открыть будущее вашей работы.
        Компании, которые движутся вперед, следуют именно этим идеям. Некоторые компании, из тех, с которыми мы сотрудничаем, выделяют из прочих одну «игру», тогда как другие признают всестороннюю связь между всеми играми: автоматизация ведет к расширению, открытие показывает путь к изобилию, и так далее.
        Все они при этом понимают необходимость действовать сейчас, не ждать более определенных времен, большей ясности по поводу того, чем именно является ИИ и чем он станет в дальнейшем. Все они осознают, что развитие умной машины сегодня кардинальным образом меняет правила игры. Все они знают, что бездействие обернется негодностью. Все они знают, что удача поощряет смелых и наказывает робких.
        Смелость и вера в будущее
        Не время для робости и стеснения, просто посмотрите на эти цитаты из недавних новостей:

• «В 2014 году показ киберспортивного мероприятия впервые привлек больше зрителей, чем финалы NBA. Чемпионат мира по League of Legends посмотрело двадцать семь миллионов зрителей по всему миру»^5^.

• «General Motors запускает программу каршеринга. Она называется Maven, доступна в одном-единственном городе, и, честно говоря, новость не сильно взволновала ZipCar. Однако на самом деле GM не конкурирует с ZipCar - компания делает ставку на будущее»^6^.

• «Скорость - новая валюта бизнеса. Самое опасное место для принятия решений сегодня - в офисе», - говорит генеральный директор Salesforce.com Марк Бениофф»^7^.

• «Digital Asset Holdings, блокчейн-стартап, управляемый бывшим банкиром из JPMorgan Chase & Co. Блитом Мастерсом (Blythe Masters), получил пятьдесят два миллиона долларов от инвесторов и выиграл контракт, что позволило ему радикально быстро закрепиться на фондовой бирже Австралии»^8^.

• «Проект Flow Machines от компании Sony успешно создал… Daddy’s Car - песню, сочиненную ИИ, в которой он должен был воспроизвести музыкальный стиль The Beatles»^9^.

• «Что произошло, так это моментальная и свободная передача квантового состояния фотона на оставшийся фотон запутанной пары, тот, что находился в шести километрах от университета»^10^.
        Что общего у всех этих цитат? Все это послания из будущего, сообщающие нам, что мир меняется быстрее, чем когда-либо. Некоторые перемены, возможно, вы не оцените сегодня, но через десять лет они будут частью вашей повседневной жизни.
        Подходы, нормы, модели и образ жизни, бывшие декорациями нашей планеты Земля почти пятьдесят лет (плюс-минус) и которые, казалось, переживут всех нас, обваливаются прямо на наших глазах. Смотреть спорт по телевизору, владеть машиной, отвечать на сообщения на следующий день, планировать оставаться на одной работе годами, пользоваться банком - все это уходит в небытие.
        Эта невероятная скорость перемен и глубинная природа этих перемен в своей сути связаны с одним вопросом: что делать, когда машины делают все.
        Нет никаких примет того, что инновации остановятся (несмотря на уже занятое нами высокое место в Пирамиде потребностей Маслоу), и нет признаков того, что они становятся менее мощными, чем были в прошлом, - как раз наоборот^11^. Помните, не ограничивайте воображение человека. Будущее спешит к большому бизнесу в виде приложений и веб-сервисов, которые они используют, чтобы добраться в аэропорт, нанять новых работников, разделить аудиторию, сотрудничать, встречаться, бронировать гостиницы, доставлять товары и получать доступ в Интернет. Все это изобилие - функциональность, достающаяся нам по цене, которая выгоняет с рынка сложившуюся ранее конкуренцию, - отсвет инноваций, новых идей и подходов, будущего, которое уже здесь и доступно всем, чтобы увидеть, последовать за ним, пользоваться им.
        Новые горизонты, которые мы исследовали в этой книге, - не только о поддержке труда программным обеспечением: они о создании новых машин, которые позволят достичь новых уровней производительности и эффективности для человека. Как говорит об этом Крис Хаммонд из Narrative Science, прагматик в душе, «ИИ - не мифический единорог. Это инструмент для следующего уровня производительности».
        Как мы видели на предыдущих страницах, инновации вели человечество сквозь века, и, хотя процесс инноваций всегда связан с путаницей и часто с дискомфортом (если не хуже), его мощь абсолютно неостановима.
        Хаммонд, как один из ведущих в мире практиков ИИ, считает широкое распространение ИИ в рабочей среде неизбежностью: «Я не верю, что работе с ИИ может что-то воспрепятствовать. Это не стволовые клетки, где вы можете что-то сделать физически, чтобы остановить исследования. Нет никаких физических действий, которые могли бы остановить исследования искусственного интеллекта. Все вычислительные ресурсы уже там».
        Как мы уже не раз показывали, искусственный интеллект не наступает - он здесь. Этой книгой мы пытаемся показать, что есть вещи - много, много вещей, - которые вы можете делать - и должны делать, - когда машины делают все. Теми, кто победит в наступающей эпохе цифрового подъема, кто сделает историю, кто будет невероятно щедро вознагражден, будут те, кто перестанет спорить и начнет создавать, и вместо того, чтобы предсказывать будущее, пойдет его изобретать, рука об руку с новой машиной.
        Благодарности
        Написание книги в действительности является командным делом, и мы хотели бы поблагодарить лишь малую часть из множества людей, которые поддерживали нас на этом пути.
        Мы чрезвычайно благодарны следующим провидцам и новаторам, которые уделили свое время, чтобы поговорить с нами и развить идеи, представленные в этой книге: Джозефу Сирош из Microsoft; Стюарту Франкелю и Крису Хаммонду из Narrative Science; Флавио Вильянустре и Дэвиду Гловаки из LexisNexis; Джоэл Роуз из New Classrooms; Стивену Ластеру из McGraw-Hill Education; Неду Куричу из Toyota; Максу Янкелевичу из Work Fusion; Джуду Дитерману и Ларри Бриджу из TriZetto; Мэтту Вуду из Amazon Web Services; Бретту Тромпу и Эмилю Стипп из Discovery Health; Роберту Хай из IBM Watson; Деннису Мортенсену из x.ai; Джо Прокопио из Automated Insights; Ксавье Пейчу из SmartHalo; а также Энн Филсон и Гари Рорбахер из Filson-Rohrbacher.
        Во многих случаях мы опирались на исследования и знания Центра будущего компании Cognizant, и мы хотели бы особенно поблагодарить Роберта Брауна, Мониш Бехл, Юан Дэвиса, Кевина Бенедикта и остальных сотрудников за их работу и развитие идей в этой книге.
        Мы также хотели бы поблагодарить множество сотрудников Cognizant (их слишком много, чтобы перечислять всех здесь), которые просыпаются каждый день, стремясь сделать все возможное для клиентов. В частности, мы хотели бы поблагодарить Соври Сантанакришнан, Каушик Баумик, Ли Сабер и Захарья Абенд. Многие другие любезно помогли связаться со своими клиентами, чтобы мы могли больше научиться тому, что они делают.
        Мы также хотели бы поблагодарить: Карлоту Перес из Лондонской школы экономики; Аманду Бокстел и Чарльза Энгельберт; Клайва Грэветт из Фонда Бадинга; Ариэль Собель из Betterment; Дж. П. Гоундер из Forrester Research; Дея Кампанелли, Мейли Гарсия и Эми Мэджи из General Electric Transportation; а также Изабеллу Тейшейра из GE Corporate.
        Большое спасибо Таре Оуэн, которая помогла нам сформировать наше мышление и литературный стиль. Также Тодду Саттерстену за помощь в разработке наших первоначальных концепций. Мэри Брандель и Марк Бэйвен неустанно работали над улучшением рукописи, сбором данных и обеспечением всех необходимых разрешений. Алан Дино и Ян Ковиак из The Book Designers помогли нам с оформлением. Мы также хотели бы поблагодарить Неда Уорда и команду в Stern Strategy Group за помощь в распространении информации. Спасибо также команде от Wiley за то, что она снова помогла нам в процессе публикации. Мы сильно ценим поддержку Roubini ThoughtLab, независимую исследовательскую группу под наблюдением известного американского экономиста Нуриэля Рубини. Лу Чели, Жюльен Бересфорд и Даниэль Майлз помогли нам провести наше глобальное исследование, как предприятия могут реагировать на возникающую цифровую экономику.
        Мы также хотели бы признать следующих людей, которые помогли нам координировать интервью, которые мы провели: Дженнифер Янзен, Хелен Барик, Алиса Робинс, Джессика Лорти, Дженнифер Кон, Ребекка Оуэнс-Мартель, Гленда Мисава, Адам Девайн, Роберт Свинкин, Грант Милн, Эмиль Шахтер, Лоретта Феслер, Стефани Симан, Габриель Гарднер, Эми Ингрэм (даже хотя «она» не «существует») и Джеймс Котецки.
        Мы особенно хотели бы поблагодарить Франциско Д’Суза, генерального директора Cognizant, который продолжал оказывать постоянную поддержку, когда мы исследовали и написали эту книгу.
        И наконец, что самое важное, мы хотели бы поблагодарить наши семьи за их кажущееся бесконечным терпение, любовь и поддержку в течение многих лет, когда создавалась эта книга. Авторство книг, помимо нашей работы с лидерами бизнеса по всему миру, потребовало от наших семей еще большего. Они поддерживали нас и сохраняли веру в течение многих (многих) дней и ночей. Авторам потребовалось бы гораздо больше поэтичности, чем всем троим, чтобы полностью выразить им нашу благодарность.
        Фрэнк Малкольм, Пол Рериг, Бен Принг
        Нью-Йорк; округ Вашингтон; Бостон, ноябрь 2016 г.
        Источники фотографий
        Стр. 21: Джон Стейн, генеральный директор и основатель Betterment | Источник: Betterment
        Стр. 32: Луддиты | Источник: Mary Evans Picture Library/Alamy Stock Photo
        Стр. 43: Наш подключенный мир | Источник: Pedro/Alamy Stock Photo
        Стр. 53: Типичная образовательная среда New Classrooms | Источник: New Classroom
        Стр. 122: Бухгалтерия 1930-х гг. | Источник: ClassicStock/Alamy Stock Photo
        Стр. 122: Сборочная линия Ford Motor Co. | Источник: Chronicle/Alamy Stock Photo
        Стр. 149 (верх): Стойки регистрации в международном аэропорту Торонто Пирсон | Источник: Алексей Максименко/Alamy Stock Photo
        Стр. 149 (середина): Знак E-ZPass на автомагистрали Пенсильвании, США | Источник: JG Photography/Alamy Stock Photo
        Стр. 149 (низ): Банкоматы в аэропорту Чанги | Источник: Андриан Лим, Creative Commons, 177: Интеллектуальный локомотив GE | Источник: GE Transportation
        Стр. 203: Пространство для обучения с ALEKS | Источник: Kirk Tuck, фотограф
        Стр. 215: Сигурни Уивер, «Чужой», 1986, режиссер Джеймс Кэмерон | Источник: ScreenProd/Photononstop/Alamy Stock Photo
        Стр. 216: Аманда Бокстел с физиотерапевтом Элизабет Петтит | Источник: Чарльз Энгельберт, фотограф
        Стр. 241: Репродукция оригинального патентного рисунка газонокосилки Budding, опубликованной в 1830 году вместе с патентной заявкой | Источник: The Budding Foundation
        Ограничение ответствености
        Google, AlphaGo, Google Glass, DeepMind, Waze, Nest and YouTube являются зарегистрированными товарными знаками Google, Inc.
        Uber является зарегистрированным товарным знаком Uber Technologies, Inc.
        Microsoft, PowerPoint, Cortana, Bing, Vista, and Excel являются зарегистрированными товарными знаками Microsoft Corp.
        Jeopardy! является зарегистрированным товарным знаком Jeopardy Productions, Inc.
        Facebook является зарегистрированным товарным знаком Facebook, Inc.
        iPhone, Mac, Apple Watch, iTunes, iPad, and Siri являются зарегистрированными товарными знаками Apple, Inc.
        Hadoop, Cassandra, and Hive являются зарегистрированными товарными знаками The Apache Software Foundation
        BigML является зарегистрированным товарным знаком BigML, Inc.
        Zipcar является зарегистрированным товарным знаком Zipcar, Inc.
        Instagram является зарегистрированным товарным знаком Instagram, LLC
        ALEKS является зарегистрированным товарным знаком ALEKS Corp.
        McGraw-Hill Connect and McGraw-Hill LearnSmart являются зарегистрированными товарными знаками McGraw-Hill Global Education Holdings LLC
        Vitality является зарегистрированным товарным знаком Discovery Holdings Ltd.
        Wikipedia является зарегистрированным товарным знаком Тhe Wikimedia Foundation, Inc.
        Dropbox является зарегистрированным товарным знаком Dropbox, Inc.
        Airbnb является зарегистрированным товарным знаком Airbnb, Inc.
        NIKE является зарегистрированным товарным знаком Nike, Inc.
        Alexa Web Information Service, Amazon Web Services and Amazon S3 являются зарегистрированными товарными знаками Amazon Web Services, Inc.
        Amazon and Amazon Echo являются зарегистрированными товарными знаками Amazon Technologies, Inc.
        Ford and Mustang являются зарегистрированными товарными знаками Ford Motor Co.
        General Electric, GE, GoLINC, Trip Optimizer, LocoVision and Predix являются зарегистрированными товарными знаками General Electric Co.
        Strava является зарегистрированным товарным знаком Strava, Inc.
        LinkedIn является зарегистрированным товарным знаком LinkedIn Corp.
        LEGO является зарегистрированным товарным знаком The LEGO Group
        LexisNexis and Lexis являются зарегистрированными товарными знаками Reed Elsevier Properties, Inc.
        Twilio является зарегистрированным товарным знаком Twilio, Inc.
        Braintree является зарегистрированным товарным знаком PayPal, Inc.
        SendGrid является зарегистрированным товарным знаком SendGrid, Inc.
        Oracle, Peoplesoft, Java, and MySQL являются зарегистрированными товарными знаками Oracle Corp.
        Fitbit является зарегистрированным товарным знаком Fitbit, Inc.
        IBM and IBM Watson являются зарегистрированными товарными знаками IBM
        Philips является зарегистрированным товарным знаком Koninklijke Philips N. V.
        Under Armour является зарегистрированным товарным знаком Under Armour, Inc.
        Toyota является зарегистрированным товарным знаком Toyota Motor Corp.
        Yahoo! является зарегистрированным товарным знаком Yahoo! Inc.
        ESPN является зарегистрированным товарным знаком ESPN, Inc.
        Minor League Baseball является зарегистрированным товарным знаком Minor League Baseball
        E-ZPass является зарегистрированным товарным знаком Port Authority of New York and New Jersey
        AiCure является зарегистрированным товарным знаком AIC Innovations Group, Inc.
        NextAngles является зарегистрированным товарным знаком MphasiS Ltd.
        NVIDIA является зарегистрированным товарным знаком NVIDIA Corp.
        Bvlgari является зарегистрированным товарным знаком Bulgari S.p.A.
        Fendi является зарегистрированным товарным знаком Fendi Adele S.r.l.
        Pink and Thomas Pink являются зарегистрированными товарными знаками Thomas Pink, LLC
        Oculus Rift является зарегистрированным товарным знаком Oculus VR, LLC
        Betterment является зарегистрированным товарным знаком Betterment Holdings, Inc.
        Artificial Intelligent Blockchain является зарегистрированным товарным знаком AI Coin, Inc.
        Battlestar Galactica является зарегистрированным товарным знаком Universal City Studios, Inc.
        Netflix является зарегистрированным товарным знаком Netflix, Inc.
        Twitter является зарегистрированным товарным знаком Twitter, Inc.
        Goldman Sachs является зарегистрированным товарным знаком Goldman, Sachs & Co.
        Morgan Stanley является зарегистрированным товарным знаком Morgan Stanley
        Credit Suisse является зарегистрированным товарным знаком Credit Suisse Group AG Societe Anonyme (SA)
        Cognizant and Code Halo являются зарегистрированными товарными знаками Cognizant Technology Solutions U. S. Corporation
        Cisco and Cisco Systems являются зарегистрированными товарными знаками Cisco Systems, Inc.
        Siemens является зарегистрированным товарным знаком Siemens Aktiengesellschaft
        Progressive Auto Insurance является зарегистрированным товарным знаком Progressive Casualty Insurance Company
        McKinsey является зарегистрированным товарным знаком McKinsey Holdings, Inc.
        Oldsmobile, Buick, Chevrolet, Pontiac, Maven, GM, and Cadillac являются зарегистрированными товарными знаками General Motors, LLC
        New York Stock Exchange является зарегистрированным товарным знаком NYSE Group, Inc.
        Oxford University является зарегистрированным товарным знаком The Chancellor Masters and Scholars of the University of Oxford E*Trade является зарегистрированным товарным знаком E*TRADE Securities, Inc.
        Merriam-Webster является зарегистрированным товарным знаком Merriam-Webster, Inc.
        Lex Machina является зарегистрированным товарным знаком Lex Machina, Inc.
        SalesForce является зарегистрированным товарным знаком Salesforce.com, Inc.
        SAP and SAP Hana являются зарегистрированными товарными знаками SAP SE
        Orange Is the New Black является зарегистрированным товарным знаком Lions Gate Entertainment, Inc.
        TV Guide является зарегистрированным товарным знаком TV Guide Online Holdings, LLC
        House of Cards является зарегистрированным товарным знаком MRC II Distribution Company, L.P.
        Orphan Black является зарегистрированным товарным знаком Temple Street Releasing Limited
        The Walking Dead является зарегистрированным товарным знаком Robert Kirkman, LLC
        Akamai является зарегистрированным товарным знаком Akamai Technologies, Inc.
        Limelight является зарегистрированным товарным знаком RightsFlow, Inc.
        Level 3 Communications является зарегистрированным товарным знаком Level 3 Communications, LLC
        Fitbit является зарегистрированным товарным знаком Fitbit, Inc.
        Tesla является зарегистрированным товарным знаком Tesla Motors, Inc.
        Walmart.com является зарегистрированным товарным знаком Walmart Stores, Inc.
        Target является зарегистрированным товарным знаком Target Brands, Inc.
        Macy’s является зарегистрированным товарным знаком Macy’s Department Stores
        Sears является зарегистрированным товарным знаком Sears Brands, LLC
        Honeycomb является зарегистрированным товарным знаком Roambee Corporation
        Palantir является зарегистрированным товарным знаком Palantir Technologies, Inc.
        Airbus and A350 являются зарегистрированными товарными знаками Airbus SAS
        Lidar Compressor является зарегистрированным товарным знаком Celartem, Inc., DBA Lizardtech
        Bluetooth является зарегистрированным товарным знаком Bluetooth Sig, Inc.
        Zigbee является зарегистрированным товарным знаком Zigbee Alliance Corporation Bosch является зарегистрированным товарным знаком Robert Bosch GmbH
        Samsung является зарегистрированным товарным знаком Samsung Electronics Co., Ltd.
        First Data является зарегистрированным товарным знаком First Data Corporation
        American Express является зарегистрированным товарным знаком American Express Marketing & Development Corp.
        Boeing and 787 Dreamliner являются зарегистрированными товарными знаками The Boeing Company
        WeWork является зарегистрированным товарным знаком WeWork Companies, Inc.
        SAS GO and SAS PLUS являются зарегистрированными товарными знаками Scandinavian Airlines System Denmark-Norway-Sweden
        McDonald’s является зарегистрированным товарным знаком McDonald’s Corporation
        Holiday Inn является зарегистрированным товарным знаком Intercontinental Hotels Group
        Toyota Connected является зарегистрированным товарным знаком Toyota Jidosha Kabushiki Kaisha TA Toyota Motor Corporation
        Six Sigma является зарегистрированным товарным знакомMotorola Trademark Holdings LLC.
        The Washington Post является зарегистрированным товарным знаком WP Company, LLC
        USA Today является зарегистрированным товарным знаком Gannett Satellite Information Network, LLC.
        Narrative Science является зарегистрированным товарным знаком Narrative Science, Inc.
        Automated Insights является зарегистрированным товарным знаком Automated Insights, Inc.
        The New York Times является зарегистрированным товарным знаком The New York Times Company
        The Wall Street Journal является зарегистрированным товарным знаком Dow Jones, L.P.
        Talla является зарегистрированным товарным знаком Talla, Inc.
        Wired является зарегистрированным товарным знаком Advance Magazine Publishers, Inc.
        TriZetto является зарегистрированным товарным знаком TriZetto Corporation
        John Deere является зарегистрированным товарным знаком Deere & Company
        Caterpillar является зарегистрированным товарным знаком Caterpillar, Inc.
        Adidas является зарегистрированным товарным знаком Adidas AG Joint Stock Company
        BMW является зарегистрированным товарным знаком BayerischeMotoren Werke Aktiengesellschaft
        Mercedes-Benz является зарегистрированным товарным знаком Daimler AG Corporation
        Allstate является зарегистрированным товарным знаком Allstate Insurance Company
        Travelers является зарегистрированным товарным знаком The Travelers Indemnity Company Corporation
        BNSF Railway является зарегистрированным товарным знаком BNSF Railway Company
        Sourcemap является зарегистрированным товарным знаком Sourcemap, Inc.
        Pandora является зарегистрированным товарным знаком Pandora Media, Inc.
        Reddit является зарегистрированным товарным знаком Reddit, Inc.
        Mashable является зарегистрированным товарным знаком Mashable, Inc.
        Tumblr является зарегистрированным товарным знаком Tumblr, Inc.
        Hotel Tonight является зарегистрированным товарным знаком Hotel Tonight, Inc.
        New Classrooms является зарегистрированным товарным знаком New Classrooms Innovation Partners
        Anthem является зарегистрированным товарным знаком Anthem Insurance Companies, Inc.
        Sony Pictures является зарегистрированным товарным знаком Sony Kabushiki Kaisha TA Sony Corporation
        Ashley Madison является зарегистрированным товарным знаком Ruby Life, Inc.
        Comcast is a trademark of Comcast Corporation
        Iora Health является зарегистрированным товарным знаком Iora Health, Inc.
        Da Vinci HD Surgical System является зарегистрированным товарным знаком Intuitive Surgical, Inc.
        ImagineCare является зарегистрированным товарным знаком Mary Hitchcock Memorial Hospital Nonprofit Corporation
        Prezi является зарегистрированным товарным знаком Prezi, Inc.
        MIT является зарегистрированным товарным знаком Massachusetts Institute of Technology Corporation
        WorkFusion является зарегистрированным товарным знаком Crowd Computing Systems, Inc.
        Zappos.com and Zappos являются зарегистрированными товарными знаками Zappos IP, Inc.
        Pret a Manger является зарегистрированным товарным знаком Pret a Manger Limited
        Starship Troopers является зарегистрированным товарным знаком TriStar Pictures, Inc.
        Alien является зарегистрированным товарным знаком Twentieth Century Fox Film Corporation
        Sarcos является зарегистрированным товарным знаком Raytheon Company
        Ekso Bionics является зарегистрированным товарным знаком Ekso Bionics, Inc.
        University of California является зарегистрированным товарным знаком The Regents of the University of California
        In-Q-Tel является зарегистрированным товарным знаком In-Q-Tel, Inc.
        Central Intelligence Agency is a trademark of Central Intelligence Agency
        Spotify является зарегистрированным товарным знаком Spotify AB Corporation
        Kodak является зарегистрированным товарным знаком Eastman Kodak Company
        Blockbuster является зарегистрированным товарным знаком Blockbuster LLC
        Nokia является зарегистрированным товарным знаком Nokia Corporation
        Walgreens является зарегистрированным товарным знаком Walgreen Co.
        Harvard Business School является зарегистрированным товарным знаком President and Fellows of Harvard College
        Louis Vuitton является зарегистрированным товарным знаком Louis Vuitton Malletier
        TAG Heuer является зарегистрированным товарным знаком LVMH Swiss Manufactures SA Corporation
        HP and Hewlett Packard является зарегистрированным товарным знаком Hewlett-Packard Development Company, L.P.
        Marriott является зарегистрированным товарным знаком Marriott International, Inc.
        x.ai является зарегистрированным товарным знаком x.ai Corporation
        Wimbledon является зарегистрированным товарным знаком All England Lawn Tennis Club (Wimbledon) Limited
        Second Life является зарегистрированным товарным знаком Linden Research, Inc.
        BlackRock является зарегистрированным товарным знаком BlackRock, Inc.
        University of Kentucky является зарегистрированным товарным знаком University of Kentucky
        Knight Rider является зарегистрированным товарным знаком Universal City Studios, LLC
        Total Recall является зарегистрированным товарным знаком StudioCanal, S.A.
        Minority Report является зарегистрированным товарным знаком Paramount Pictures Corporation
        Audi является зарегистрированным товарным знаком AUDI AKTIENGESELLSCHAFT Corporation
        American Airlines является зарегистрированным товарным знаком American Airlines, Inc.
        Wayback Machine является зарегистрированным товарным знаком Internet Archive
        CSC является зарегистрированным товарным знаком Computer Sciences Corporation
        EDS является зарегистрированным товарным знаком Electronic Data Systems Corporation
        Compaq является зарегистрированным товарным знаком Compaq Trademark B. V. Private, LLC
        Research in Motion является зарегистрированным товарным знаком Research in Motion Limited
        BigML является зарегистрированным товарным знаком BigML, Inc.
        NBA and NBA the Finals являются зарегистрированными товарными знаками NBA Properties, Inc.
        Digital Asset Holdings является зарегистрированным товарным знаком Digital Asset Holdings, LLC
        JPMorgan Chase является зарегистрированным товарным знаком JPMorgan Chase Bank, N.A.
        The Beatles является зарегистрированным товарным знаком Apple Corps Limited
        Примечания
        Глава 1. Когда машины делают все

1. Christopher Moyer, “How Google’s AlphaGo Beat a Go World Champion”, The Atlantic, 28 марта 2016 г., сайт “Automated Vehicle Crash Rate Comparison Using Naturalistic Data”, 8 января 2016 г., сайт Emel Akan, “World’s Top Hedge Fund Managers Took Home $13 Billion in 2015”, Epoch Times, 17 мая 2016 г., сайт Todd Ackerman, “Houston invention: Arti?cial Intelligence to read mammograms”, San Antonio Express-News, 16 сентября 2016 г., сайт Шваб К., Четвертая промышленная революция. , 2018. 208 с.

6. John Kennedy, “Kara Swisher: ‘In Silicon Valley, There Are a Lot of Big Minds Chasing Small Ideas”, Silicon Republic, 24 июня 2015 г., сайт “Human Error Accounts for 90% of Road Accidents”, International News, апрель 2011 г., сайт Смотрите сайты и traf?c/world_report/en/ and States_federal_budget.

9. Сайт “Surprising Number of Emergency Room Medical Errors” 15 июля 2016 г., сайт Сайты и deaths-by-medical-mistakes-hit-records.

12. Сайты и 02/02/u-s-students-improving-slowly-in-math-and-science-but-still-lagging-internationally/.

13. “Millennials Hire Computers to Invest Their Money”, Denver Post, 4 марта 2016 г., сайт Julie Verhage, “Robo-Adviser Betterment Hits the $5 Billion Mark”, Bloomberg Markets, 14 июля 2016 г., сайт articles/2016 -07 -14/robo-adviser-betterment-hits-the-5-billion-mark.

15. Melody Hahm, “Robo-advisor Wealthfront is now using AI to manage over $3 billion in assets” Yahoo! Finance, 31 марта 2016 г., сайт beta.?nance.yahoo.com/news/robo-advisor-wealthfront-arti?cial-intelligence-betterment-assets-venmo-205354921.html and Michael P. Regan, “Robo Advisers to Run $2 Trillion by 2020 if This Model Is Right”, Bloomberg, 18 июня 2015 г., сайт news/articles/2015 -06 -18/robo-advisers-to-run-2-trillion-by-2020-if-this-model-is-right.

16. For more information on Code Halos, see our white paper and book, сайт 2. От застоя к подъему: мы это уже проходили

1. “March of the Machines” The Economist, 25 июня 2016 г., с. 11, сайт www.economist.com/news/leaders/21701119-what-history-tells-us-about-future-arti?cial-intelligenceand-how-society-should.

2. Quoted in Klaus Schwab, The Fourth Industrial Revolution, январь 2016 г., сайт Carl Benedikt Frey and Michael Osborne, “The Future of Employment: How Susceptible Are Jobs to Computerisation?” Oxford Martin Programme on Technology & Employment, 17 сентября 2013 г., сайт Employment.pdf.

4. “Technology Isn’t Working”, The Economist, 4 октября 2014 г., сайт “United States GDP Growth Rate 1947 -2016”, Trading Economics, сайт Carlota Perez, “The New Technological Revolution”, Presentation at the Technology Frontiers Forum of The Economist, 5 марта 2013 г., сайт Wikipedia entry on the motorcycle industry in China, сайт David Rose, Enchanted Objects: Innovation, Design, and the Future of Technology (New York: Scribner, 2015), сайт Enchanted-Objects-Innovation-Design-Technology/dp/1476725640.

9. Dave Evans, “The Internet of Things: How the Next Evolution of the Internet Is Changing Everything”, Cisco, апрель 2011 г., сайт 0411FINAL.pdf.

10. “A Guide to the Internet of Things”, Intel Corp., сайт “IoT Market Forecast at $11 Trillion, Report Finds”, InformationWeek, 29 июня 2015 г., сайт 1321100.

12. “IDC Expects Global Wearable Device Shipments to Surge from 76.1 Million in 2015 to 173.4 Million Units by 2019”, IDC, 14 сентября 2015 г., сайт Leo Sun, “Internet of Things in 2016: 6 Stats Everyone Should Know”, The Motley Fool, 18 января 2016 г., сайт “What Exactly Is the Internet of Things?” 5 марта 2014 г., сайт Leo Sun, “Internet of Things in 2016: 6 Stats Everyone Should Know”, Motley Fool, 18 января 2016 г., сайт 2016/01/18/internet-of-things-in-2016 -6-stats-everyone-should.aspx.

16. “Industrial Internet Insights Report for 2015”, GE and Accenture, 2014, сайт Paul Roehrig and Ben Pring, “The Work Ahead: Mastering the Digital Economy”, сентябрь 2016 г., сайт “About GE Digital”, GE, сайт Rick Clough, “GE Forms Digital Unit to Expand $6 Billion Software Business”, Bloomberg, 14 сентября 2015 г., сайт news/articles/2015 -09 -14/ge-forms-digital-unit-to-expand-6-billion-software-business.
        Глава 3. Будет кровь

1. Carl Benedikt Frey and Michael A. Osborne, “The Future of Employment: How Susceptible Are Jobs to Computerisation?”, University of Oxford, 17 сентября 2013 г., сайт Labor Force Statistics from the Current Population Survey, сайт Научно-фантастический фильм “Elysium” 2013 года (режиссер Нил Бломкамп) изображает человечество, разделенное на два класса людей: ультра-богатые люди, живущие на роскошной космической станции под названием Elysium, и остальные, живущие в руинах Земли в тяжелых условиях.

4. See Barack Obama, “The Way Ahead”, The Economist, 8 октября 2016 г., сайт “The Future of Jobs, 2025: Working Side by Side with Robots: Automation Won’t Destroy All the Jobs, But It Will Transform the Workforce - Including Yours”, 24 августа 2015 г., сайт Robots/fulltext/-/E-RES119861
        Глава 4. Новая машина: интеллектуальные системы

1. “The Top 20 Valuable Facebook Statistics. Updated июль 2016 г.” Zephoria, сайт We’ve based some of this discussion on Tim Urban, “The AI Revolution: The Road to Superintelligence”, Wait But Why. 22 января 2015 г., сайт Annalee Newitz, “What Is the Singularity, and Will You Live to See It?” io9, 10 мая 2010 г., сайт Сайт Chris Williams, “AI Guru Ng: Fearing a Rise of Killer Robots Is Like Worrying About Overpopulation on Mars”, The Register, 19 марта 2015 г., сайт ai/.

6. Wikipedia entries on ghost in the machine: сайты wiki/Ghost_in_the_machine и Ghost_in_the_Machine.

7. “How Much Does the Internet Weigh?” YouTube, 29 октября 2011 г., сайт “2016 Global Internet Phenomena”, Sandvine, июнь 2016 г., сайт www.sandvine.com/trends/global-internet-phenomena/.

9. “Number of Net?ix Streaming Subscribers Worldwide”, Statista, 2016 г., сайт Xavier Amatriain, “How Does the Net?ix Movie Recommendation Algorithm Work?” Quora, сайт Yoni Heisler, “Net?ix’s Ratings System May Soon Be Getting a Big Overhaul”, BGR, 11 января 2016 г., сайт Daniel Holloway, “Net?ix Looks at Which Shows Are Most Binge-Watched”, Variety, 8 июня 2016 г., сайт net?ix-looks-at-which-shows-are-most-binge-watched-1201791061/.

13. For a more complete description of the Net?ix system, see “A 360 Degree View of The Entire Net?ix Stack”, High Scalability, 9 ноября 2015 г., сайт Net?ix socks: сайт Daniel Weeks, “Net?ix: Integrating Spark at Petabyte Scale”, O’Reilly Conferences, 1 октября 2015 г., сайт “How Much Is a Petabyte?” The Mozy Blog, 2 июля 2009 г., сайт mozy.com/blog/misc/how-much-is-a-petabyte/.

17. Tom Vanderbilt, “The Science Behind the Net?ix Algorithms that Decide What You’ll Watch Next”, Wired, 7 августа 2013 г., сайт Alexis C. Madrigal, “How Net?ix Reverse Engineered Hollywood”, The Atlantic, 2 января 2014 г., сайт 282679/ and Vincent Lanaria, “Net?ix Has More Than 76,000 Micro-Genres of Movies and TV Shows: Here’s How to Unlock Them”, Tech Times, 9 января 2016 г., сайт 20160109/net?ix-has-more-than-76000-micro-genres-of-movies-and-tv-shows-heres-how-to-unlock-them.htm.

19. “Net?ix’s Viewing Data: How We Know Where You Are in House of Cards”, Net?ix, 27 января 2015 г., сайты net?ixs-viewing-data-how-we-know-where.html и Yevgeniy Sverdlik, “Net?ix Shuts Down Final Bits of Own Data Center Infrastructure”, Data Center Knowledge, 11 февраля 2016 г., сайт www.datacenterknowledge.com/archives/2016/02/11/net?ix-shuts-down-?nal-bits-of-own-data-center-infrastructure/.

21. Peter C. Evans and Rahul C. Basole, “Decoding the API Economy with Visual Analytics”, The Center for Global Enterprise, 2 сентября 2015 г., сайт Новые бизнес-сервисы объединяют человеческий процесс (“умные” руки) с совместной работой и автоматизацией через технологические платформы (умные роботы). Смотрите книгу “Smart Hands and Smart Robots” и сайт Dotcom/worldwide_olt_pdf/Smart-Hands-and-Smart-Robots.pdf.

23. Например, DenialsIQ построен на Predix чтобы сосредоточиться на управлении претензиями в сфере здравоохранения США. HIVE (которая работает на платформе Honeycomb AI platform from British Gas) - это система, помогающая домовладельцам управлять своим жильем с поддержкой IoT. See Chris Merriman, “Hive Launches First Products Built on Its Honeycomb IoT platform”, The Inquirer, 27 января 2016 г., сайт inquirer/news/2443443/hive-launches-?rst-products-built-on-its-honeycomb-iot-platform.

24. Google’s Cloud Machine Learning Products: сайт Amazon Machine Learning: сайт 5. Ваш новый сырьевой материал: данные лучше, чем нефть

1. Сайт Сайт Geoffrey Moore, “Is Your Business Model Being Disrupted? The Era of Code Halos Is Here”, Cognizant Technology Solutions, 28 февраля 2014 г., сайт Jude Clemente, “How Much Oil Does the World Have Left?” Forbes, 25 июня 2015 г., сайт See Thomas Davenport’s bio, сайт and Thomas Davenport, “The New World of Business Analytics”, International Institute for Analytics, март 2010, Сайт See our white paper, “The Value of Signal (and the Cost of Noise): The New Economics of Meaning-Making”, сайт Moore’s law states that overall processing power for computers will double every two years.

8. Software “unicorns” are private venture-backed start-ups valued at $1 billion or more.

9. Joanna Rothkopf, “UberYACHT Is Real”, Jezebel, 28 апреля 2016 г., сайт Paul Roehrig and Ben Pring, “The Work Ahead: Mastering the Digital Economy”, сентябрь 2016 г., сайт В ходе исследования мы опросили лидеров из 2000 компаний со всего мира с общим суммарным доходом около 7,3 трлн долларов за прошедший год. Примерно 6% этого дохода было обеспечено цифровыми технологиями. Хотя этот процент может показаться небольшим, он примерно 438 млрд долларов. В течение следующего года лидеры полагают, что могут получить дополнительную выгоду в размере 151,6 млрд долларов, если в полной мере использовать преимущества цифровых технологий (эквивалентно среднему эффекту в размере 75,7 млн долларов США на одну исследуемую компанию). Руководители ожидают, что общее потенциальное влияние на прибыль увеличится более чем вдвое в течение следующих трех лет до 11,4% от общего дохода, что составляет около 770 млрд долларов США в год. Это общее экономическое воздействие в размере около 2,3 трлн долларов, прогнозируемое в течение следующих трех лет для всех исследованных компаний. Экстраполяция этих результатов по
исследованным отраслям показала, что воздействие цифровой трансформации только в течение следующих трех лет может составить до 20 триллионов долларов.
        Глава 6. Цифровые бизнес-модели: ваши пять способов побить Кремниевую долину

1. Henry Blodget, “Buffett on Newspapers”, Business Insider, 4 мая 2009 г., сайт Marisa Garcia, “SAS CEO Says He Wants Real Digital Change at Airlines Not “Lipstick on a Pig”, Skift, 21 апреля 2016 г., сайт Stonewall Jackson Quotes, HistoryNet, сайт stonewall-jackson-quotes

4. Robert Hoyle Brown, “Digital Process Acupuncture: How Small Changes Can Heal Business, and Spark Big Results”, Cognizant Technology Solutions, февраль 2016 г., сайт whitepapers/Digital-Process-Acupuncture-How-Small-Changes-Can-Heal-Business-and-Spark-Big-Results-codex1438.pdf.

5. Malcolm Frank, Paul Roehrig and Ben Pring, Code Halos: How the Digital Lives of People, Things, and Organizations Are Changing the Rules of Business (Hoboken, NJ: John Wiley & Sons, 2014), сайт Code-Halos-Organizations-Changing-Business/dp/1118862074/.

6. Madhumita Murgia, “Marc Andreessen: ‘In 20 Years, Every Physical Item Will Have a Chip Implanted in It”, The Telegraph, 23 декабря 2015 г., сайт Marc-Andreessen-In-20-years-every-physical-item-will-have-a-chip-implanted-in-it.html.

7. Tom Foster, “Kevin Plank Is Betting Almost $1 Billion That Under Armour Can Beat Nike”, Inc., сайт 201602/tom-foster/kevin-plank-under-armour-spending-1-billion-to-beat-nike.html.

8. Frans van Houten, “How Technology Will Transform Healthcare”, World Economic Forum, 19 января 2016 г., сайт agenda/2016/01/rethinking-healthcare-with-the-help-of-technology/.

9. “GE’s Jeff Immelt on Digitizing in the Industrial Space”, McKinsey & Co., октябрь 2015 г., сайт organization/our-insights/ges-jeff-immelt-on-digitizing-in-the-industrial-space.

10. “Toyota Expands Focus on Software and Data-Driven Mobility with Toyota Connected”, Toyota press release, 4 апреля 2016 г., сайт corporatenews.pressroom.toyota.com/releases/toyota+software+ mobility+connected.htm.

11. Chris Ziegler and Nilay Patel, “Meet the New Ford, a Silicon Valley Software Company”, The Verge, 7 апреля 2016 г., сайт 7. Автоматизировать: роботы не наступают - они уже здесь

1. Robert Hoyle Brown, “Digital Process Acupuncture: How Small Changes Can Heal Business, and Spark Big Results”, Cognizant Technology Solutions, февраль 2016 г., сайт “Robotic Automation: Case Study”, Robohub, сайт wp-content/uploads/2015/01/Blue-Prism-Case-Study-for-Robohub.pdf.

3. В нашем исследовании 2000 глобальных компаний мы рассчитали штраф за отставание, проанализировав разницу в затратах и доходах цифровых “лидеров” и “отстающих”. Мы обнаружили, что отдельные отстающие компании упустят около 692 миллионов долларов против своих лидер сверстников между 2015 и 2018.

4. Согласно Шумпетеру, “шторм творческого разрушения” описывает “процесс промышленной мутации, который непрерывно революционизирует экономическую структуру изнутри, непрерывно разрушая старую, непрерывно создавая новую” (источник: статья в Википедии о Джозефе Шумпетере).

5. Matt Egan, “Robots Write Thousands of News Stories a Year, but Not This One”, CNN, 11 июня 2015 г., сайт Automated Insights Website, This news story, from the OakRidger local newspaper on 7 мая, 2013 г., carried a byline of “By Narrative Science and GameChanger Media”, сайт James Kotecki, “Take Me Out to the Ballgame”, Automated Insights, 17 июля 2016 г., сайт Chris Dixon, “What’s Next in Computing?” Medium.com, 21 февраля 2016 г., сайт “National Health Expenditures 2014 Highlights”, Centers for Medicare & Medicaid Services, сайт nationalhealthexpenddata/downloads/highlights.pdf.

11. Donald Berwick and Andrew Hackbarth, “Eliminating Waste in U. S. Healthcare”, JAMA, Vol. 307, No. 14, 11 апреля 2012 г., сайт Мы не будем вдаваться в подробности о процессе разработки нового продукта. Есть много других книг и экспертов на рынке.

13. For more in-depth ideas about building a practice for new products and services, a good place to look is Eric Ries, The Lean Startup: How Today’s Entrepreneurs Use Continuous Innovation to Create Radically Successful Businesses, Crown Business, 13 сентября 2011 г.
        Глава 8. Ореол: измеряйте все, меняйте игру

1. James Sullivan, “Can Under Armour Meet CEO Kevin Plank’s Ambitious Goal?” The Motley Fool, 2 марта 2016 г., сайт Malcolm Frank, Paul Roehrig, and Ben Pring, Code Halos: How the Digital Lives of People, Things, and Organizations Are Changing the Rules of Business (Hoboken, NJ: John Wiley & Sons, 2014).

3. James Detar, “GE Sees Digital Revenue More Than Doubling to $15 Billion By 2020”, Investor’s Business Daily, 23 июня 2016 г., сайт Kristin Kloberdanz, “GE’s Got a Ticket to Ride: How the Cloud Will Take Trains into a New Era”, GE Reports, 29 марта 2016 г., сайт www.gereports.com/the-digital-railroad-how-the-cloud-will-take-trains-into-a-new-era/.

5. Lucinda Shen, “Immelt: ‘There’s Going to Be Trillions of Dollars of Wealth Created in the Industrial Internet”, Business Insider, 3 декабря 2015 г., сайт Geoffrey Grider, “Over 10,000 People Have Now Received a Permanent Human RFID Microchip Implant”, 4 сентября 2015 г., сайт and Lindsey Hoshaw, “Millions of Americans Use Medical Devices That May Be Vulnerable to Hacking”, KQED Science, 3 августа 2015 г., сайт ww2.kqed.org/futureofyou/2015/08/03/millions-of-americans-use-medical-devices-that-are-vulnerable-to-hacking/.

7. Thomas Davenport and D. J. Patil, “Data Scientist: The Sexiest Job of the 21st Century”, Harvard Business Review, октябрь 2012, сайт Euan Davis, “People - Not Just Machines - Will Power Digital Innovation”, Cognizant Technology Solutions, апрель 2016, сайт “Acqui-hiring” - это практика приобретения компании в первую очередь за навыки ее сотрудников, а не за ее продукт.

10. Клуб триллиона долларов включает в себя 6 компаний - Google, Amazon, Apple, Facebook, Net?ix, Pandora - в совокупности за последние 10 лет общая рыночная капитализация составила 1 триллион долларов за счет использования цифровой информации, предоставляемой их клиентами.

11. Richard Hunter, World Without Secrets, (Hoboken, NJ: John Wiley & Sons, 2002), Сайт Kim Zetter, “The Year’s 11 Biggest Hacks, From Ashley Madison to OPM”, Wired, 23 декабря 2015 г., сайт 12/the-years-11-biggest-hacks-from-ashley-madison-to-opm/

13. Steven Musil, “Sony Hack Leaked 47,000 Social Security Numbers, Celebrity Data”, Cnet, 4 декабря 2014 г., сайт sony-hack-said-to-leak-47000-social-security-numbers-celebrity-data/.

14. Jonathan Martin and Alan Rappeport, “Debbie Wasserman Schultz to Resign DNC Post”, New York Times, 24 июля 2016 г., сайт Jeff John Roberts, “Yahoo Has Been Hacked: What You Need to Know”, Fortune, 22 сентября 2016 г., сайт 22/yahoo-hack-qa/

16. Samuel Gibbs, “European Parliament Approves Tougher Data Privacy Laws”, Guardian, 14 апреля 2016 г., сайт technology/2016/apr/14/european-parliament-approve-tougher-data-privacy-rules.

17. Devlin Barrett, “FBI Plans to Keep Apple iPhone Hacking Method Secret”, The Wall Street Journal, 26 апреля 2016 г., сайт Statista portal, сайт Shannon Pettypiece, “Amazon Passes Walmart as Biggest Retailer by Market Value”, Bloomberg, 23 июля 2015 г., сайт Lucy Hooker, “How Did Google Become the World’s Most Valuable Company?”, BBC, 11 февраля 2016 г., сайт For more on our study, see Manish Bahl, “The Business Value of Trust”, Cognizant Technology Solutions, май 2016 г., сайт “World’s Biggest Data Breaches”, Information Is Beautiful, 4 сентября 2016 г., сайт Shalini Ramachandran and Suzanne Vranica, “Comcast Seeks to Harness Trove of TV Data”, The Wall Street Journal, 20 октября 2015 г., сайт Michael Zakaras, “Why Our Health System Talks Up (but Actually Fears) Disruptive Innovation”, Forbes, 23 октября 2015 г., сайт 9. Расширение: дополнить деятельность человека

1. Amy is an AI-based personal assistant from x.ai, a VC-funded technology company in New York City.

2. Erik Brynjolfsson and Andrew McAfee, Race Against the Machine: How the Digital Revolution Is Accelerating Innovation, Driving Productivity, and Irreversibly Transforming Employment and the Economy (Lexington, MA: Digital Frontier, 2012).

3. Cade Metz, “In Two Moves, AlphaGo and Lee Sedol Rede?ned the Future”, Wired, 16 марта 2016 г., сайт “Inspiring Zappos Customer Support Stories”, SlideShare, 28 октября 2013 г., сайт Peter Moore, “Pret a Manager: Behind the Scenes at the “Happy Factory”, Guardian, 14 апреля 2015 г., сайт David Aaker, “The Genius Bar - Branding the Innovation”, Harvard Business Review, 5 января 2012 г., сайт Stacy Liberatore, “Now Anyone Can Be an Iron Man”, Daily Mail, 18 марта 2016 г., сайт Saurabh Jha, “Will Computers Replace Radiologists?” Medscape, 12 мая 2016 г., сайт Tom Simonite, “IBM’s Automated Radiologist Can Read Images and Medical Records”, MIT Technology Review, 4 февраля 2016 г., сайт 10. Изобилие: найти свои кратные 10 возможности с новой машиной

1. Wikipedia entry on Narayana Health: Сайт Narayana_Health.

2. Сайт Ketaki Gokhale, “Heart Surgery in India for $1,583 Costs $106,385 in U.S.”, Bloomberg, 28 июля 2013 г., сайт N. Madhavan, “Compassionate Heart, Business Mind”, Business Today, 25 мая 2014 г., сайт cover-story/biggest-india-innovation-narayana-health/story/205823.html.

5. Geeta Anand, “The Henry Ford of Heart Surgery”, The Wall Street Journal, 25 ноября 2009 г., сайт One of our nominations for the “Best Book You (Probably) Haven’t Read” is Juan Enriquez and Steve Gullans’ Evolving Ourselves: How Unnatural Selection and Nonrandom Mutation Are Changing Life on Earth (New York: Penguin Publishing, 2015).

7. Sarah Mahoney, “Walgreens’ Telehealth Grows As We Warm to Digital Doctors”, MediaPost, 12 ноября 2015 г., сайт “Enduring Ideas: the Three Horizons of Growth”, McKinsey Quarterly, декабрь 2009 г., сайт Eugene Kim, “The Epic 30-Year Bromance of Billionaire CEOs Larry Ellison and Marc Benioff”, Business Insider, 12 августа 2015 г., сайт #when-benioff-?rst-started-building-salesforce-in-1999-he-was-still-working-at-oracle-he-says-ellison-was-always-supportive-of-his-outside-endeavor-giving-him-permission-to-split-work-at-salesforce-in-the-morning-and-at-oracle-in-the-afternoons-ellison-even-let-benioff-take-a-6-month-sabbatical-before-starting-salesforce-6.

10. Salesforce.com positioned itself in the market as the antidote to Oracle and other ERP vendors. See also Patrick Hoge, “The Benioff-Ellison Divide: It’s About More than Salesforce vs. Oracle”, Upstart Business Journal from San Francisco Business Times, 18 апреля 2014 г., сайт LVMH is itself majority owned by Christian Dior.

12. Tim Bajarin, “Why the Maker Movement Is Important to America’s Future”, Time, 19 мая 2014 г., сайт Josh Ong, “Apple Co-Founder Offered First Computer Design to HP 5 Times”, Apple Insider, 6 декабря 2010 г., сайт 5_times.

14. Tom Foster, “Kevin Plank Is Betting Almost $1 Billion that Under Armour Can Beat Nike”, Inc., февраль 2016 г., сайт magazine/201602/tom-foster/kevin-plank-under-armour-spending-1-billion-to-beat-nike.html.

15. Wikipedia entry on Frederick Winslow Taylor: сайт 11. Открытие: управлять инновациями в цифровой экономике

1. “The Sports Market”, май 2011 г., сайт communications-media-technology/ideas-insights/article/-/asset_ publisher/LCcgOeS4t85g/content/the-sports-market/10192.

2. Wikipedia Еntry on Thomas Lord: сайт Thomas_Lord.

3. Stephen Adams, “Jane Austen Wrote About Baseball 40 Years Before It Was ‘Invented”, Telegraph, ноябрь 2008 г., сайт Kurt Badenhausen, “Cristiano Ronaldo Is First Athlete with 200 Million Social Media Followers”, Forbes, 23 февраля 2016 г., сайт www.forbes.com/sites/kurtbadenhausen/2016/02/23/cristiano-ronaldo-is-the-?rst-athlete-with-200-million-social-media-followers/ #57b26a661129.

5. From Mark Zuckerberg’s Facebook page, 25 марта 2014 г., сайт Madhumita Murgia, “Inside Net?ix: How Reed Hastings Is Building the First Global TV Network”, Telegraph, 26 марта 2016 г., сайт www.telegraph.co.uk/technology/2016/03/26/inside-net?ix-how-reed-hastings-is-building-the-?rst-global-tv/.

7. “The Law of Accelerating Returns”, Kurzweil Accelerating Intelligence, 7 марта 2001 г., сайт Porta Crow, “Wall Street Is Obsessed with This Technology that No One Quite Understands - Here’s the Best Explanation We’ve Seen”, Business Insider, 13 марта 2016 г., сайт what-is-blockchain-barclays-2016 -3.

9. Joe Blevins, “Carl Sagan Did Say ‘Billions and Billions’ a Lot on Cosmos, Video Proves”, A. V. Club, 12 января 2015 г., сайт “Laurence D. Fink’s 2016 Corporate Governance Letter”, Сайт Robert Hoyle Brown, “Digital Process Acupuncture: How Small Changes Can Heal Business, and Spark Big Results”, Cognizant Technology Solutions, февраль 2016 г., сайт whitepapers/Digital-Process-Acupuncture-How-Small-Changes-Can-Heal-Business-and-Spark-Big-Results-codex1438.pdf.

12. Question on Quora: сайт Deborah Gage, “The Venture Capital Secret: 3 Out of 4 Start-Ups Fail”, The Wall Street Journal, 20 сентября 2012 г., сайт “In Praise of Failure”, Benedict Evans blog, 10 августа 2016 г., сайт Carroll Lachnit, “Five Myths About Stick Shifts: Manual vs Automatic Transmissions”, Edmunds.com, 26 сентября 2013 г., сайт Google announcement, Google Plus, 28 марта 2012 г., сайт Yoko Kubota, “Toyota Again No. 1 in Global Car Sales”, MarketWatch, 26 января 2016 г., сайт Yoko Kubota, “Behind Toyota’s Late Shift Into Self-Driving Cars”, The Wall Street Journal, 12 января 2016 г., сайт behind-toyotas-late-shift-into-self-driving-cars-1452649436.

19. Sebastian Toma, “Toyota Announces Billion-Dollar Investment In Self-Driving Car Technology”, Autoevolution, 20 июня 2016 г., сайт www.autoevolution.com/news/toyota-announces-billion-dollar-investment-in-self-driving-car-technology-108699.html.

20. Мари Кондо, Магическая уборка. Японское искусство наведения порядка дома и в жизни. 2017. 320 с.
        Глава 12. Соревнование в кодах: призыв к действию из будущего

1. Ray Kurzweil, “The Law of Accelerating Returns”, Kurzweil Accelerating Intelligence, 7 марта 2001 г., сайт Monica Nickelsburg, “A12 CEO Oren Etzioni Envisions an Arti?cial Intelligence “Utopia” “, GeekWire, 30 марта 2016 г., сайт Michael Sainato, “Stephen Hawking, Elon Musk and Bill Gates Warn about Arti?cial Intelligence”, Observer, 19 августа 2015 г., сайт Wikipedia page on intelligence: сайт Intelligence.

5. James Bates, “Guide to League of Legends”, ESPN, 14 января 2016 г., сайт Alex Davies, “Maven, GM’s Car-Sharing Scheme, Is Really about a Driverless Future”, Wired, 21 января 2016 г., сайт Alexander Sword, “Speed Is the New Currency of Business”, Computer Business Review, 20 января 2016 г., сайт Matthew Leising, “Blythe Masters Firm Raises Cash, Wins Australian Contract”, Bloomberg, 21 января 2016 г., сайт Harrison Kaminsky, “Listen to This AI-composed Song in the Style of The Beatles”, Digital Trends, 24 сентября 2016 г., сайт Andrew Follett, “Scientists Use Quantum Mechanics to Teleport Particle 4 Miles”, Daily Caller New Foundation, 26 сентября 2016 г., сайт Wikipedia page on Maslow’s hierarchy of needs: сайт https://en.wikipedia.org/wiki/Maslow%27s_hierarchy_of_needs.

 
Книги из этой электронной библиотеки, лучше всего читать через программы-читалки: ICE Book Reader, Book Reader, BookZ Reader. Для андроида Alreader, CoolReader. Библиотека построена на некоммерческой основе (без рекламы), благодаря энтузиазму библиотекаря. В случае технических проблем обращаться к