Экономическая ценность ИИ и возможности системной трансформации
В ноябре 2022 года Harvard Business Review опубликовал статью под названием «От прогнозов к трансформации», которая основана на книге «Сила прогнозирования. Прорывная экономика ИИ».
Первая книга авторов «Машины прогнозирования. Простая экономика ИИ» вышла в 2019 году. Таким образом, авторы рассматривают в динамике эволюцию ИИ с точки зрения экономической ценности и системных изменений.
В частности, в 2017 году авторы выдвинули тезис о возможностях оценки влияния потенциально преобразующей технологии с точки зрения снижения стоимости используемой функции технологии. Например, компьютеры снизили стоимость цифровых операций, включая финансовые операции, управление ресурсами, обработку естественного языка, изображений. Распространение сети Интернет снизило стоимость связи и доступа к информации.
Однако, они признают, что не учли значения системных преобразований в рамках развития новой технологии.
Так, согласно индексу ИИ Стэнфордского университета за 2022 год, ИИ становится более эффективным и доступным для широкого внедрения. В частности, с 2018 года стоимость обучения систем классификации изображений снизилась на 63,6%, а время обучения на 94,4%.
По мнению авторов, при оценке экономического свойства ИИ – снижения стоимости прогнозирования – необходимо оценивать экономику создания новых систем, в которые встроен ИИ. Кроме создания современных моделей машинного обучения, необходимо исследовать ландшафт приложений, ориентированных на задачи прогнозирования. Наибольшую готовность к масштабному развертыванию ИИ в своих организациях демонстрируют финансовые учреждения. В этой сфере работают группы аналитиков для прогнозирования преступного поведения, включая мошенничество, отмывание денег и несоблюдение санкций. Организации электронной коммерции принимают решения на основе персонализированных рекомендаций и управлении ресурсами, основанными на данных. Вместе с этим, точечные решения в таких областях как фармацевтика (автоматизированный поиск лекарств), страхование (анализ, предлагаемых для страхования рисков) не могут рассматриваться как трансформационные и общесистемные.
По мнению авторов, ИИ, как преобразующая технология, требует фундаментального переосмысления организаций и бизнес-процессов, новых инновационных продуктов, приложений и бизнес-моделей, переквалификацию рабочей силы. Этот процесс может занять не одно десятилетие. Например, рост производительности после внедрения электроэнергии не увеличивался в течение сорока лет, быстрый рост использования IT в бизнесе с 1973 по 1995 годы в США привел к парадоксу производительности Солоу1Парадокс производительности Солоу – это длительное отставание в темпах роста производительности труда от темпов наращивания инвестиций в новую технологию..
Таким образом, среди ключевых проблем развертывания систем ИИ авторы выделяют:
для перехода систем ИИ из основной области применения в виде статистики и качественных дешевых прогнозов на новый уровень требуется время;
достижения ИИ в области языкового перевода, анализа данных и обнаружение мошенничества не являются трансформационными качествами;
изменение процесса принятий решений. В прогнозах ИИ не учитывается суждение, как элемент принятия решений, свойственный человеку и основанный не только на данных, но и на субъективной оценке концептуальных факторов, таких как интуиция, аналогии, чувства. Таким образом, ценность и важность человеческих атрибутов для процесса принятия решений может возрастать;
смещение неопределенности. Улучшение решений за счет прогнозирования большинства неопределенностей с помощью ИИ приводит к снижению надежности решений, принимаемых человеком. То есть, в случае внедрения ИИ на одном из уровней цепочки, повышается уровень неопределенности на другом;
поиск баланса между координацией и модульностью. Модульность предполагает снижение негативных последствий и волновых эффектов в рамках организации и нивелирует потребность в надежности. Координация деятельности организации позволяет компенсировать отсутствие надежности.
Авторы уверены, что новые возможности для создания решений, повышения эффективности и производительности за счет ИИ откроет новые проблемы, которые, в свою очередь приведут к новым решениям. Это позволит трансформировать методы и процессы в рамках развития экосистем.
- 1Парадокс производительности Солоу – это длительное отставание в темпах роста производительности труда от темпов наращивания инвестиций в новую технологию.
