Оглавление
Harvard Business Review (HBR). Искусственный интеллект, аналитика и новые технологии
Искусственный интеллект для реального мира
Три типа ИИ
1. Понимание технологий
2. Создание портфолио проектов
3. Пилотный этап
4. Масштабирование
Когнитивная компания будущего
Генеральный директор Stitch Fix о продаже индивидуального стиля на массовом рынке
История, нехарактерная для Долины
Плохая идея?
Введите алгоритмы
Отдел обработки и анализа данных подчиняется напрямую генеральному директору
Инновации, внедренные благодаря анализу данных
Не забывайте о людях
Алгоритмам тоже нужны менеджеры
Почему умные алгоритмы нас запутывают?
Будьте точны в выборе каждой цели
Минимизация близорукости
Выбор правильных вводных данных
Поймите ограничения
Маркетинг в эпоху Alexa
Этот сценарий выглядит неправдоподобно?
Маркетинг на основе платформ ИИ
Привлечение
Удовлетворенность
Удержание
Обязательные требования к платформам
Почему каждой организации нужна стратегия дополненной реальности?
Что такое дополненная реальность?
Ключевые возможности AR
Сочетание дополненной и виртуальной реальностей
Как дополненная реальность создает ценность
AR и цепочка создания ценности
Дополненная реальность и стратегия
Развертывание дополненной реальности
Расширенное влияние
Дроны выходят на работу
Захват реальности по цене хорошего обеда
Подняться в небо, чтобы стать недостающим звеном
Автономные, маленькие и бесчисленные
Развитие облачной робототехники
Быть впечатляющей технологией – это еще не все
Правда о блокчейне
Механизмы внедрения технологий
Новая архитектура
Модель внедрения блокчейна
Локализация
Ваш подход к инвестициям в блокчейн
Тактика внедрения 3D-печати
Последние достижения
Новые бизнес-модели
1. Массовая кастомизация
2. Массовое разнообразие
3. Массовая сегментация
4. Массовая модуляризация
5. Массовое усложнение
6. Массовая стандартизация
Стратегические шаги
Начало паниндустриального производства
Интеллектуальный союз
Люди помогают машинам
Машины помогают людям
Потребность в новых ролях и талантах
Когда твой босс носит стальные брюки
Когда мы полагаемся на алгоритмы и в каких случаях не доверяем им
Мы больше доверяем роботам, когда они похожи на нас
Иногда роботы могут быть слишком похожи на людей
Когда люди предпочитают коллег-роботов
Как нам выжить в экономике хабов
Эффект цифрового домино
Реорганизация автомобильного сектора
Растущую отдачу от масштаба победить непросто
Вытеснение
Этика сетевого лидерства
Об авторах
Отрывок из книги
В 2013 ГОДУ ОНКОЛОГИЧЕСКИЙ ЦЕНТР АНДЕРСОНА при Техасском университете запустил фантастически прорывной проект, целью которого были диагностика и планирование лечения определенных форм рака с использованием когнитивной системы IBM Watson. Но в 2017 году проект был приостановлен после того, как расходы превысили $62 млн, а система все еще не была запущена для пациентов. Параллельно этому ИТ-группа онкологического центра экспериментировала с когнитивными технологиями в рамках менее амбициозных проектов, таких как выработка рекомендаций по отелям и ресторанам для семей пациентов, определение того, кому из пациентов нужна помощь с оплатой счетов, и решение проблем ИТ-персонала. Результаты этих проектов были впечатляющими: новые системы повысили удовлетворенность пациентов, улучшили финансовые показатели и сократили время, затрачиваемое на утомительный ввод данных менеджерами больниц. Несмотря на неудачу с прорывом, Центр Андерсона остается приверженцем использования когнитивных технологий – иначе говоря, искусственного интеллекта следующего поколения – для лечения рака и в настоящее время разрабатывает целый ряд новых проектов в своем центре когнитивных вычислений.
Разницу между этими двумя подходами – сказочным прорывом и решением текущих проблем – должен осознавать каждый, кто планирует инициативы с привлечением ИИ. Наш опрос 250 руководителей, знакомых с когнитивными технологиями, показывает: три четверти из них уверены в том, что ИИ преобразит их бизнесы в течение трех лет. Тем не менее наше исследование 152 проектов различных компаний показало иное: журавли в небе (фантастические успехи) – птицы крайне редкие, зато синицы в руках (успешные проекты по улучшению текущих бизнес-процессов) встречаются сплошь и рядом. Это неудивительно – именно так развивалось подавляющее большинство новых технологий. Но ажиотаж вокруг искусственного интеллекта был особенно сильным, и многие организации соблазнились им.
.....
Однако, несмотря на быстро растущий опыт работы с когнитивными инструментами, компании сталкиваются со значительными препятствиями на этапах их разработки и внедрения. Опираясь на наше исследование, мы разработали четырехступенчатую структуру для интеграции технологий искусственного интеллекта, которые могут помочь компаниям в достижении их целей, будь то прорывные проекты или оптимизация бизнес-процессов.
Прежде чем запустить инициативу в области ИИ, компании должны разобраться в том, какие технологии решают какие типы задач, а также понять сильные и слабые стороны каждой из них. Например, основанные на четких правилах экспертные системы и RPA просты и понятны, но не способны к самообучению и улучшению. Глубокое обучение, с другой стороны, отлично подойдет для исследования больших массивов данных, но принципы, по которым оно строит свои модели, почти недоступны человеческому пониманию. Применение таких «черных ящиков» очень проблематично в отраслях с высоким уровнем государственного регулирования, таких как финансовый сектор, в которых регулирующие органы требуют доступа к механизмам принятия решений.
.....
