Компании, специализирующиеся в области искусственного интеллекта, в 2016 году получили выручку в размере около 8 млрд долл., в ближайшие три года эта сумма, по прогнозам, увеличится впятеро. Корпорации все активнее инвестируют в эту технологию, чтобы снижать затраты, улучшать обслуживание клиентов и условия работы сотрудников.

Согласно результатам опроса Technology Vision 2017, проведенного Accenture среди более 5,4 тыс. ИТ- и бизнес-руководителей, 79% из них уверены в том, что искусственный интеллект ускорит освоение новых технологий в организациях. Взрывной рост темпов применения искусственного интеллекта – реальность, но последствия для работников предприятий сформулировать и проконтролировать непросто. Ясно одно: руководителям всех подразделений уже следует оценивать, какая роль в организациях будет отведена взаимодействию людей и машин.

Особенно сильно искусственный интеллект будет влиять на работу ИТ-сотрудников, создавая новые трудности и возможности для дальнейших перемен и поддержки бизнеса. Чтобы ИТ-отдел смог воспользоваться этими возможностями, руководителям необходимо решительно менять круг компетенций и навыков сотрудников и готовиться к эпохе искусственного интеллекта. Перечислим пять основных групп навыков, которые понадобятся ИТ-специалистам и помогут извлекать максимальную пользу из машинного обучения и искусственного интеллекта.

1. Машинное обучение

Сегодня многие опасаются, что машины заменят людей. Но при этом нередко упускается из виду тот факт, что ИТ-специалистам придется разрабатывать и сопровождать программные средства автоматизации, осуществлять техническое обслуживание разумных машин. Применение искусственного интеллекта в организациях только начинается, и часто такие проекты разрозненны, а процессы планирования неразвиты и децентрализованы. Но у ИТ-специалистов сегодня есть возможность подготовить технические архитектуры и системы, которые станут залогом устойчивого развития разумных машин для корпоративного мира. ИТ-руководителям для этого необходимо внести изменения в программы обучения и повышения квалификации, отказаться от традиционного акцента на поддержании работоспособности систем и перейти на иную парадигму, исходя из того, что искусственный интеллект станет доминировать практически во всех отраслях.

Конкретные примеры компетенций: управление роботизированными системами автоматизации процессов (robotic process automation, RPA – программные роботы для взаимодействия с пользовательскими интерфейсами систем, рассчитанных на людей) – например, Blue Prism, Verint; знание типов искусственного интеллекта, конкретных областей и результатов применения.

2. Консалтинг в области процессов

ИТ-специалистам необходимо будет приобретать глубокие познания в области бизнеса и понимание того, как можно улучшить процессы и результаты с помощью машинного обучения. Искусственный интеллект, в отличие от человека, способен параллельно обрабатывать множество потоков информации. Машина может дополнить процессы принятия решения, коррелируя данные и принимая простые решения самостоятельно, а более сложные – доверяя человеку. Людям придется изменить существующие схемы процессов и круг своих компетенций, обеспечив поддержку комплексных подходов и принятие более сложных решений. Искусственный интеллект уже меняет клиентоориентированные и внутренние процессы в компаниях. Сегодня происходит слияние предметных областей традиционного управления бизнес-процессами и RPA. Но, помимо RPA, есть и множество других приложений на основе искусственного интеллекта, улучшающих взаимодействие с заказчиками в ряде отраслей, – в частности, системы голосовой аутентификации клиентов.

Конкретные примеры компетенций: знания в области бизнес-процессов, узкоспециальные отраслевые знания.

3. Платформы и обеспечение качества данных

ИТ-специалистам необходимо приобрести обширные навыки в области управления информацией и технологических платформ (в частности, платформ Больших Данных). Качество прогнозных моделей, основанных на методах машинного обучения, напрямую зависит от качества данных. Но при отсутствии навыков поддержки моделей и платформ сотрудники рискуют стать узким местом процессов, происходящих с участием искусственного интеллекта.

Конкретные примеры компетенций: управление системами работы с данными, разработка интерфейсов программирования и управление ими, информационная стратегия.

4. Знания в области алгоритмов

Также важно иметь базовые знания в области методов статистики и понимать принципы создания и оптимизации алгоритмов искусственного интеллекта, а также основы их работы. Это дает два важных преимущества. Во-первых, в ИТ-службе могут разъяснить возможности искусственного интеллекта бизнесу и в партнерстве с ним непрерывно совершенствовать модели. Во-вторых, понимание фундаментальных математических концепций в основе машинного обучения является важным залогом результативной работы в соответствующей области, помогающей ИТ-службе приносить реальные результаты бизнесу по мере освоения искусственного интеллекта.

Конкретные примеры компетенций: отбор и формирование подмножеств данных, основы регрессии и классификации, оценка точности модели, методы регуляризации и стабилизации моделей.

5. Руководство и оценка решений

Машины рано или поздно начнут работать бок о бок с людьми, выполнять повседневные рутинные административные обязанности. Сотрудникам предприятий придется не только принять новый мир, где машины ежедневно принимают решения, связанные с операционной деятельностью, но и взять на себя обязанности по оценке более сложных решений. Подобные перемены потребуют навыков по решению задач и формулированию вопросов таким образом, чтобы машины понимали их и выдавали ответы, позволяющие принимать верные решения.

Конкретные примеры компетенций: коммуникационные навыки, эмоциональный интеллект, принятие решений на основе результатов анализа, командная работа и знания на стыке различных предметных областей.

***

Руководителям необходимо уже сейчас начинать организовывать внутрикорпоративную программу обучения, направленную на подготовку сотрудников к внедрению искусственного интеллекта, преподавание основ соответствующих предметов, освещение преимуществ и снижение страхов по поводу машин. Просвещение относительно возможностей искусственного интеллекта можно организовать с помощью онлайн- и обычных курсов обучения.

Нужно продемонстрировать, что искусственный интеллект повышает эффективность работы людей, беря на себя выполнение их отдельных задач, а не все функции в рамках должностных обязанностей. В программах обучения можно использовать соответствующие прототипы и демонстрационные версии технологий. В конце курсов обучения нужны практические семинары, способствующие перемене отношения к искусственному интеллекту и робототехнике и более творческому подходу к их использованию, особенно для руководителей.

Машины придут в коммерческие компании и государственные учреждения во всем мире и останутся в них. У ИТ-руководителей сейчас есть возможность переобучить своих подчиненных, добавить навыки, которые понадобятся, чтобы обеспечивать поддержку искусственного интеллекта в дальнейшем.

– How to build IT competencies for the AI era. Diana Bersohn and McCree Lake. CIO. APR 11, 2017