ИИ для топ-менеджера: какие задачи лучше решать с помощью алгоритмов | Harvard Business Review Russia
Тренды

ИИ для топ-менеджера: какие задачи лучше решать с помощью алгоритмов

Боб Су
ИИ для топ-менеджера: какие задачи лучше решать с помощью алгоритмов
Иллюстрация: Jorg Greuel/Getty Images

Бизнес-лидеры часто гордятся тем, что отлично принимают решения интуитивно, ведь они стали главами департаментов или директорами не потому, что слепо следовали алгоритму. Безусловно, интуиция и инстинкты — важные лидерские инструменты, но не в том случае, если их применяют неразборчиво. Развитие искусственного интеллекта показало: у тех качеств, которые мы всегда ценили в лидерах, есть и обратная сторона. Иногда алгоритмы позволяют это увидеть: то, что мы считали предвидением, оказалось простой удачей; за принципами, которые казались нам священными, не стоит никаких доказательств; а незыблемая уверенность может обернуться близорукостью. Вспомните хотя бы о том, какие результаты показывают инвестиционные фонды с активным управлением, чтобы увидеть недостатки проверенных временем традиционных (человеческих) подходов к принятию решений. За редкими исключениями эти фонды (во многих случаях возглавляемые знаменитыми инвесторами) в долгосрочной перспективе проигрывают индексным фондам, а алгоритмический трейдинг на базе ИИ нередко превосходит традиционный.

В обозримом будущем ИИ не заменит интуитивного принятия решений. Но чтобы полностью использовать его возможности, топ-менеджерам придется изменить свои подходы. Они должны будут проверить свои убеждения данными и экспериментами, а затем направить ИИ на нужные проблемы. Инвестиционные управляющие начинают понимать, что нужно искать не лучшие акции, а лучший алгоритм, — так и в других сферах топ-менеджерам придется выбирать один из двух неприятных вариантов: научиться использовать машины — или уступить им свое место.

Лестница причинно-следственной связи

Давайте посмотрим, почему ИИ превосходит интеллект человека в решении некоторых типов задач и как это может влиять на подход топ-менеджеров к технологиям. За последние годы ИИ обыграл чемпионов мира по покеру, шахматам, Jeopardy и т.д. Если это вас удивляет, то вы недооцениваете количество механического заучивания и математической логики, нужной для победы в этих играх, а в случаях покера и шахмат переоцениваете роль психологии.

Туомас Сандхольм, изучающий компьютерные науки в Университете Карнеги — Меллона, создал ИИ-систему Libratus, которая обыграла лучших в мире игроков в покер. Он заявил, что его алгоритмы работают в основном на теории вероятности, а для победы не нужно изучать поведение игроков — их ложные приемы, «сигналы» и т. д. С помощью теории игр и методов машинного обучения Libratus побеждала оппонентов, просто вычисляя наиболее вероятные варианты решений. Даже на турнирах высшего уровня понимать законы вероятностей намного важнее, чем считывать поведение.

Таким образом, главная задача при оптимизации использования ИИ — понять, какие задачи лучше передать ИИ, а какие лучше сможет решить сам менеджер, если изменит свой подход к их осмыслению. Ответ на этот вопрос содержится в работах знаменитого информатика Джуды Перла. Он придумал знаменитую «лестницу причинно-следственной связи», описывающую три уровня логического мышления, которую мы можем использовать как руководство по пересмотру своих суждений. Как Перл пишет в своей книге «Почему? Новая наука причинно-следственных связей», «ни одна машина не может вывести объяснения из сырых данных — ее нужно подтолкнуть». Первая ступень лестницы причинно-следственных связей — это выводы по ассоциации (если А, значит, B); вторая — выводы по интервенции (если изменить вводную X, то что случится с результатом Y?), и, наконец, третья — это выводы с помощью контрфактуального анализа: неочевидных концепций, которые противоречат фактам, но ведут к новым результатам.

Ассоциация

Ассоциация — это изучение корреляции между двумя переменными. Если поднять цены, как изменится прибыль? ИИ отлично умеет обрабатывать огромные объемы данных и искать ассоциативные связи. Например, социальные сети используют такие алгоритмы, чтобы на основании поведения пользователей в прошлом предсказывать, какие посты соберут больше всего просмотров.

Людям это дается хуже: они думают медленнее и больше подвержены системным ошибкам. Поэтому руководители, которые принимают решения только по интуитивным ассоциациям, могут приходить к неправильным выводам о причинно-следственных связях — например, ошибочно предполагать, что к нужному результату привело какое-то определенное действие. Так, когда я возглавлял группу по внутренней корпоративной стратегии в Accenture, мы выделяли много времени и денег на разработку дифференцированных услуг. Нам казалось, что клиенты были готовы платить за них больше — и мы таким образом больше заработаем. Но сравнив прибыльность клиентов, получавших дифференцированные и недифференцированные услуги, мы обнаружили, что причиной повышенной прибыли была не дифференциация услуг, а личные отношения с клиентами. Мы много лет работали на основании непроверенного принципа о связи между дифференцированными услугами и прибылью.

Интервенция

Интервенция — это совершение действия с последующим наблюдением его влияния на результат, то есть изменение переменной в эксперименте. Бизнес-руководители поступают так постоянно — например, можно изменить цену продукта, а затем записать влияние этого изменения на продажи или прибыль. Но если они слишком уверены в предсказанном результате, их ждут проблемы. Чтобы интервенция оказалась эффективной, нужно быть готовым протестировать целый ряд вариантов — даже тех, которые кажутся совсем неочевидными, — и смотреть, как будет меняться результат. Здесь у людей может быть преимущество над ИИ.

Полная версия статьи доступна подписчикам
Вы уже подписаны?
Тогда авторизуйтесь
советуем прочитать