Jak ugryźć sztuczną inteligencję

Zdaniem wielu liderów, sztuczna inteligencja (AI) i technologie kognitywne stanowią obecnie najbardziej rewolucyjne siły, z jakimi przyjdzie nam się zmierzyć w najbliższym czasie. Większość firm nie ma jednak żadnej strategii, która pozwoliłaby im odpowiednio przygotować się na to wyzwanie.

Sztuczna inteligencja (AI) oraz technologie kognitywne (symulujące działanie ludzkiego mózgu, uczące się i samodzielnie podejmujące decyzje – przyp. red.) rozwijają się szybko i dynamicznie, ale jak dotychczas niewiele firm jest w stanie cieszyć się owocami inwestycji w te rozwiązania. Naszym zdaniem, dzieje się tak dlatego, że wiele wdrożeń rozpoczętych przez firmy nie dotyka istotnych problemów czy szans biznesowych. Niektóre projekty są po prostu zbyt ambitne – ponieważ albo dana technologia nie jest jeszcze dostatecznie rozwinięta, albo przedsięwzięcie wymagałoby zbyt daleko idących zmian organizacyjnych.

Krótko mówiąc, większość organizacji nie posiada strategii rozwoju technologii kognitywnych.

Menedżerowie mogą podawać w wątpliwość twierdzenie, że tworzenie strategii pod konkretną technologię jest uzasadnioną koniecznością, ale obawy te znikają w przypadku technologii kognitywnych. W 2018 roku organizacja New Vantage Partners z Bostonu w stanie Massachusetts, w której pracuje jeden z nas (Tom Davenport), przeprowadziła w 60 dużych firmach badanie wśród menedżerów wyższego szczebla. Okazało się, że 72% respondentów postrzega technologie kognitywne jako siłę, która najprawdopodobniej zrewolucjonizuje ich firmy w perspektywie kolejnej dekady (wzrost o 44% w stosunku do badania przeprowadzonego w roku 2017), natomiast 93% powiedziało, że ich firmy już inwestują w technologie kognitywne].

Podobne wnioski wyciągnęła firma Genpact, globalna organizacja świadcząca usługi profesjonalne (w której pracuje Vikram Mahidhar). W 2017 roku firma ta przeprowadziła ankietę roku wśród 300 prezesów zarządów i innych menedżerów wyższego szczebla. Wynika z niej, że 96% liderów sztucznej inteligencji (AI) – czyli firm, które dzięki AI osiągnęły znakomite wyniki biznesowe – wierzy, że AI zmieni ich zespoły, ale jedynie 38% z nich zapewnia, że ich firmy obecnie gwarantują pracownikom możliwości przekwalifikowania się.

Obietnica technologiczna

Technologie kognitywne to z jednej strony obietnica wielkiej szansy, z drugiej – widmo destrukcyjnych zagrożeń, dlatego strategia kognitywna różni się od innych strategii technologicznych – powiedzmy, od strategii e-handlu. Zastosowanie technologii kognitywnej nieuchronnie zainicjuje proces transformacji. Prowadzenie zakrojonej na szeroką skalę zmiany organizacyjnej nie będzie łatwe, zwłaszcza jeśli weźmie się pod uwagę, jak to się może odbić na pracownikach. Firmy muszą się dobrze zastanowić, z jaką energią zamierzają wkroczyć w świat technologii kognitywnych i jak wielkie ryzyko mogą zaakceptować. Znalezienie pomysłu na spójną strategię kognitywną – i źródła jej finansowania – może dać firmom wyraźną przewagę konkurencyjną. Pierwszym istotnym krokiem w tym procesie jest określenie celu nadrzędnego, celów pośrednich oraz najważniejszych składników strategii. W niniejszym artykule podpowiadamy, jak położyć te fundamenty.

Strategia kognitywna

Ogólnie mówiąc, technologie kognitywne wykorzystują różne zasoby i możliwości – wiedzę, percepcję, zdolność oceny i wszystko, czego potrzeba do zrealizowania określonych zadań – które kiedyś stanowiły domenę jedynie ludzką. Menedżerowie muszą sobie teraz odpowiedzieć na pytanie, gdzie i jak te technologie wykorzystać. Czy posłużyć się nimi do stworzenia nowych produktów lub ofert? Do podniesienia efektywności produktu? Do optymalizacji wewnętrznych operacji biznesowych? Udoskonalenia procesów związanych z obsługą klientów? A może do zredukowania zatrudnienia? Odciążenia pracowników, tak by mogli być bardziej kreatywni?

To, w jaki sposób firmy obchodzą się z technologiami kognitywnymi, musi być uzależnione od konkretnych zapisów strategii. Cel nie polega na stworzeniu nowej strategii biznesowej, tylko na stworzeniu listy świadomych działań, które będą dostosowane do wyznaczonych celów biznesowych. Dla wielu firm strategia kognitywna będzie wiązała się z potrzebą przeprowadzania programów pilotażowych, weryfikacji koncepcji oraz z koniecznością zastosowania narzędzi kognitywnych w różnych obszarach działalności firmy. Przedstawimy także mechanizm przekwalifikowywania się menedżerów i pracowników, który ma im pomóc w prowadzeniu firmy posługującej się narzędziami kognitywnymi.

Wykorzystanie zmiany

Firmy eksploatujące technologię kognitywną będą przede wszystkim zainteresowane tym, jak wykorzystać te zmiany do tworzenia nowych ofert, które zwiększą przychody. Liderem takich właśnie zmagań jest General Electric, firma, która stworzyła potężne narzędzia zdolne cyfrowo symulować działanie ogromnych urządzeń – takich jak silniki odrzutowe, turbiny gazowe czy elektrownie wiatrowe – w celu monitorowania ich pracy. Ponieważ czujniki zbierają dane z informacjami o temperaturze, wibracji czy hałasie, narzędzia te – nazywane cyfrowymi bliźniakami – mogą diagnozować błędy, określać trendy wydajnościowe oraz potrzeby konserwacyjne, redukując w ten sposób nieplanowane przestoje. Oprócz zastosowania polegającego na optymalizacji pracy określonych urządzeń „bliźniaki” oferują także szersze możliwości – mogą służyć do zarządzania całymi zakładami, flotami samolotów albo parkiem maszynowym, a także do szukania nowych źródeł przychodów.

Wzrost przychodów można osiągnąć przecież nie tylko dzięki oferowaniu nowych produktów i usług, również dzięki postępującej personalizacji, która jest możliwa właśnie za sprawą wykorzystania technologii kognitywnych. Na przykład firma Verizon Wireless Inc. niedawno zanotowała spadek przychodów, postanowiła więc zainwestować w marketing spersonalizowany. Stosując inteligentne narzędzia, które integrowały setki zmiennych, m.in. poziom wykorzystania aktualnej oferty oraz telefony od osób proszących o jakąś usługę serwisową, firma ta mogła stworzyć pakiety produktów oraz promocji przeznaczonych dla klientów zamieszkujących na obszarach poszczególnych kodów pocztowych, dzięki czemu firmie udało się zatrzymać spadek przychodów. Klienci korzystający w określony sposób z takich, a nie innych modeli telefonów otrzymali możliwość uczestnictwa w programie „Kolejna oferta będzie jeszcze lepsza” oraz propozycję automatycznej wymiany telefonu na nowszy.

Optymalizacja procesów

Żyznym podglebiem sprzyjającym rozwojowi rozwiązań kognitywnych są także optymalizacja procesów, możliwa dzięki dostępności danych, oraz niska efektywność wielu procesów, które wymagają większego nakładu pracy. Na przykład pewna duża amerykańska firma wytwarzająca produkty konsumpcyjne zautomatyzowała niedawno proces audytu wpłat na rzecz sieci detalistów za promocje handlowe. Nauczono maszynę, by odczytywała i dopasowywała nieuporządkowany tekst w kontraktach, fakturach oraz dane z punktów sprzedaży, obniżając tym samym koszty związane z przetwarzaniem danych z audytu o około 60%. Posiadając wyższą zdolność tropienia nieuzasadnionych obciążeń (takich jak rachunki od detalistów z tytułu upustów promocyjnych za towary, które w rzeczywistości nie były zamówione), automat przyczynił się do zwiększenia rocznych zysków firmy o 20 milionów dolarów.

Jedne firmy koncentrowały się na bardzo wąskim zakresie strategii kognitywnych, inne zaś były bardziej ambitne. W działaniach podjętych na przykład przez Procter & Gamble można było dostrzec trzy komplementarne kierunki działania. Pierwszy to wykorzystanie uczenia maszynowego w celu upewnienia się, że wydatki budżetowe w takich obszarach jak promocje handlowe i reklamy cyfrowe są właściwie rozdzielone i dobrze zaadresowane. Drugi to wykorzystywanie danych (w tym danych zewnętrznych) do budowania precyzyjnych modeli marketingu oraz programów dla klientów. Trzeci związany jest z rozwojem platform oraz aplikacji, które pomagają klientom w efektywniejszym korzystaniu z produktów P&G zarówno w domu, jak i w życiu codziennym. Dobrym przykładem jest tutaj Olay Skin Advisor, system służący do przetwarzania obrazów, który może ocenić stan kobiecej cery na podstawie zdjęcia. Wyniki analizy mają pomóc kobietom w wyborze najwłaściwszych kosmetyków Olay.

Najważniejsze zastosowania strategii kognitywnej

Firmy, z którymi współpracujemy, rozwijają strategie technologii kognitywnych, uwzględniając wiele rozmaitych elementów, m.in. treści, składniki technologiczne, ludzi, zarządzanie zmianą oraz ambicjami firmy.

Wykorzystanie treści

Firmy będące w posiadaniu treści własnych – czy będą to dane, czy wiedza – powinny poszukiwać sposobów włączania tych treści do swoich produktów i procesów, a także do swoich systemów kognitywnych. Wymaga to znalezienia „grafu wiedzy” (knowledge graph) i zakupu jego licencji lub stworzenia własnego. Jest to szczególnie istotne dla aplikacji przetwarzających język naturalny, takich jak inteligentni doradcy czy czatboty. Graf wiedzy pokazuje relacje pomiędzy najważniejszymi podmiotami biznesowymi a terminologią używaną w biznesie i w kontaktach biznesowych. Koncern Google stał się pionierem idei knowledge graph, kiedy zaczął gromadzić miliardy faktów na temat wyszukiwań internetowych oraz przedstawiać na wykresie, w jaki sposób są ze sobą powiązane. Inne firmy, takie jak IBM w ramach swojego projektu Watson, pozyskały grafy wiedzy od partnerów zewnętrznych lub poprzez przejmowanie innych firm (kupując Weather Co. LLC, IBM uzyskał na przykład dostęp do danych pogodowych). Choć system sztucznej inteligencji Watson jest znany z tego, że analizuje treść periodyków medycznych, być może bardziej godne odnotowania jest to, że potrafi przetworzyć treść na pary „pytanie/odpowiedź”, które są wykorzystywane w komunikacji z klientami.

Firmy powinny bardzo uważać, przekazując prawo własności do treści dotyczących najważniejszych klientów oraz produktów, a także prawo do posługiwania się tymi treściami. Powinny wystrzegać się ponadto przekazywania informacji na temat własnych sposobów przetwarzania, nawet jeśli potencjalni użytkownicy są w stanie dodać istotną wartość do tego, z czego korzystają. O ile informacje te nie dotyczą takich procesów jak zarządzanie obiektami i prowadzenie prac konserwacyjnych, firmy powinny traktować je jako cenny zasób korporacyjny i starać się samodzielnie tworzyć wartość dodaną. Na przykład pewna firma farmaceutyczna może chcieć mieć na własność informacje i modele związane z procesem tworzenia leku, ale może być już mniej zainteresowana posiadaniem grafu wiedzy o procedurach związanych z badaniami klinicznymi, które często są zlecane firmom zewnętrznym.

Składniki technologiczne

Technologia kognitywna nie jest pojedynczym bytem – to w istocie zestaw technologii. Łączy w sobie uczenie maszynowe z wykorzystaniem danych statystycznych, sieci neuronowe, a także przetwarzanie oraz generowanie języka naturalnego. Przesądzając o wdrożeniu w firmie konkretnej technologii, trzeba podjąć dodatkowo wiele trudnych decyzji. Na przykład dokonać wyboru między stworzeniem a zakupem określonych możliwości działania, między oprogramowaniem zamkniętym a oprogramowaniem o otwartym kodzie źródłowym, trzeba ponadto zdecydować, czy wykorzystać narzędzia od jednego sprzedawcy czy od kilku różnych, oferujących „najlepsze na rynku”, a także czy wybrać aplikacje samodzielne czy oparte na platformie.

Nie ma żadnych jedynie słusznych odpowiedzi – są tylko decyzje o tym, co najlepiej pasuje do możliwości organizacji, do jej strategii biznesowej czy do ogólnej strategii kognitywnej. Organizacje posiadające wielkie i szybko zmieniające się ustrukturyzowane dane na temat klientów mogą stwierdzić, że uczenie maszynowe dostarcza wiedzy na temat preferencji klientów. Jeżeli jednak trzeba zidentyfikować i uporządkować informacje nieustrukturyzowane (takie jak dźwięki i obrazy), najlepiej sprawdzą się sieci neuronowe wykorzystujące technikę głębokiego uczenia (deep learning).

Oczywiście, jedne firmy lepiej poznały siłę technologii kongitywnych aniżeli inne. Procter & Gamble oraz American Express, na przykład, eksperymentują ze sztuczną inteligencją od lat osiemdziesiątych ubiegłego wieku. Posiadają zdolności tworzenia własnych aplikacji kognitywnych oraz łączenia rozwiązań, wykorzystując do tego powszechnie dostępne narzędzia open source. Dla mniej doświadczonych firm, twórców oprogramowania i specjalistów zajmujących się badaniem nieuporządkowanych danych (data scientist) podejmowanie się takich wyzwań mogłoby być niewykonalne. Ci bez doświadczenia wewnętrznego mogą współpracować z analitykami z zewnątrz, informatykami oraz specjalistami ds. danych. Wraz z rozwojem tego obszaru firmy, które nie mają zbyt wiele doświadczenia w wykorzystaniu technologii kognitywnych, będą miały także inne opcje.

Coraz częściej popularne aplikacje, takie jak Einstein (od Salesforce.com), mają wbudowane możliwości kognitywne, które pozwalają na przykład znajdować leady sprzedażowe, czyli potencjalnych klientów. Tworzą ranking takich klientów wraz z przypisanym im prawdopodobieństwem najlepszej finalizacji zakupu na podstawie czynników, które miały wpływ w poprzednich transakcjach (np. czy potencjalnemu klientowi zademonstrowano produkt, czy też nie). Z kolei SAP i Oracle osadzają technologie kognitywne w swoich systemach do planowania zasobów firmowych. Implementacja tych funkcji nie wymaga wielkiego doświadczenia w pracy z technologiami.

Firmy, którym brakuje doświadczenia, ale pragną stworzyć liczne aplikacje kognitywne, mogą skorzystać z platformy kognitywnej, która oferuje wiele narzędzi. Obecnie chyba najbardziej znany jest tu należący do IBM Watson, który używa wielu interfejsów do programowania aplikacji, ułatwiając firmom pisanie własnego oprogramowania. Dodatkowo wielcy sprzedawcy technologii, tacy jak Amazon, Goolge czy Microsoft, oferują całą gamę algorytmów służących do uczenia maszynowego, z czego większość jest dostępna w ofercie open source. Firmy sprzedające własne oprogramowanie coraz częściej oferują platformy, na których funkcjonuje wiele programów. Można je dobierać w celu rozwiązania określonych problemów.

O ile możliwości technologii kognitywnych szybko się rozwijają, każda platforma wymaga integracji. Przy wyborze platformy najważniejszym kryterium powinno być to, czy jest odpowiednia do rozwiązywania problemów, którymi zamierzamy się zająć w najbliższym czasie. Należy również upewnić się, czy wybrana przez nas technologia jest w stanie rozwiązywać zadania kognitywne, a zarazem pomóc nam w zastosowaniu owych rozwiązań w systemach i procesach produkcyjnych.

Ludzie

Nadrzędnym problemem dla każdej organizacji dążącej do podejmowania inicjatyw kognitywnych jest znalezienie odpowiednich pracowników. W ostatnich kilku latach firmy uskarżają się na podobne kłopoty: nie mogą znaleźć analityków danych ilościowych oraz specjalistów ds. danych (data scientists). Na szczęście coraz więcej absolwentów uniwersytetów ma szerokie wykształcenie w dziedzinie analityki i badania danych. Ale kurs dotyczący technologii kognitywnych czy konkretnych metod ich wykorzystywania przeszło niewielu z nich. Gorzej, że brakuje kadry akademickiej, która mogłaby prowadzić zajęcia na ten temat – a wielu z tych, którzy mają stosowne kompetencje, zrezygnowało z nauczania, gdyż otrzymali atrakcyjniejsze oferty pracy od firm technologicznych.

Tak czy inaczej, przedsiębiorstwa potrzebują dostępu do ludzi z gruntowną wiedzą i świadomością potencjału technologii kognitywnych: bez tej wiedzy specjalistycznej strategie kognitywne firm obumrą. Osoby zaangażowane w planowanie strategiczne ukierunkowane na technologie kognitywne powinny orientować się w najważniejszych rodzajach technologii kognitywnych, powinny wiedzieć, jak można je zastosować, a także zintegrować z innymi technologiami informatycznymi. Powinny umieć komunikować się z menedżerami bez potrzeby uporczywego podpierania się żargonem technicznym oraz znać kwestie ważne dla firmy, a także jej obecny strategiczny kierunek rozwoju. Ponadto muszą rozumieć poszczególne obszary biznesu, w których te technologie kognitywne znajdą zastosowanie.

Strategie personalne

Podczas ustalania właściwych strategii personalnych wybory, jakich trzeba dokonywać, są mocno zbliżone do tych, przed którymi stajemy, decydując się na konkretne technologie: kupić, zbudować czy wynająć. „Kupowanie” ludzi jest możliwe, jeżeli firma funkcjonuje w mieście z dużym zapleczem osób o odpowiednim przygotowaniu technologicznym i jest gotowa zaproponować atrakcyjne wynagrodzenie, opcje na akcje, a także wszelkie inne dodatki. To może być dobra droga, jeżeli firma zajmuje się czymś naprawdę ciekawym.

„Budowanie” ludzi to po prostu wyszkolenie ich pod kątem niezbędnych umiejętności. Cisco Systems, firma z San Jose w Kalifornii zajmująca się produkcją urządzeń do komunikacji sieciowej, od lat jest liderem w szkoleniu i przekwalifikowywaniu pracowników pod kątem badania danych oraz umiejętności kognitywnych. Dzięki swojemu programowi do zdalnego uczenia się, przeznaczonemu dla osób aspirujących do roli badacza danych, wyszkoliła kilkuset specjalistów, którzy obecnie pracują dla firmy.

Trzecia opcja to „wynajmowanie” pracowników od firm konsultingowych. Są oni już odpowiednio przeszkoleni z zakresu aplikacji kognitywnych. Z tej możliwości korzystają firmy, którym brakuje własnego doświadczenia w budowaniu aplikacji. Podejście to może się sprawdzać, jeżeli sprzedawca lub firma konsultingowa ma dostatecznie dobrze przeszkolonych pracowników (a to nie zawsze jest takie oczywiste). Firmy zainteresowane budowaniem długotrwałych kompetencji w sferze kognitywnej mogą skorzystać na podejściu mieszanym – angażując pracowników własnych i osoby z zewnątrz.

Niezależnie od wybranej strategii zatrudnienia dobrze jest zacząć od przeprowadzenia programu szkoleniowego dla kierownictwa, szczególnie dla tych menedżerów, którzy będą ostatecznie podejmowali decyzje dotyczące strategii. I rzeczywiście wszystko wskazuje na to, że najważniejszym aspektem strategii personalnej jest pomoc menedżerom wyższego szczebla oraz liderom jednostek biznesowych w wymyśleniu tego, w jaki sposób firma będzie funkcjonowała w przyszłości, robiąc użytek z technologii kognitywnej. Chociaż firmy nie powinny tracić z pola widzenia kierunków rozwoju aplikacji kognitywnych, potrzebują też osób, które potrafią patrzeć na biznes analitycznie i opisywać problemy w taki sposób, by wykrywać technologie właściwe do ich rozwiązywania. Ważną rolę odgrywa również umiejętność myślenia projektowego (design-thinking) – zarówno dla użytkowników interfejsów, jak i dla procesów biznesowych, w których te technologie kognitywne będą wykorzystane.

Na przykład kierownictwo pewnego dużego amerykańskiego banku poleciło jednostce zajmującej się bankowością biznesową i inwestycyjną sprawdzenie przydatności nowych technologii dla pionu finansów, w tym wielu technologii kognitywnych, m.in. uczenia maszynowego. Menedżerowie poddali ocenie kilku dostawców usług edukacyjnych, by wyłonić najlepszy sposób na zapoznanie banku i jego menedżerów z tą technologią. Dostawca, którego wybrano, przygotował program szkoleniowy dla około 40 menedżerów, z których kilku stało się entuzjastycznymi popularyzatorami nowych aplikacji w swoich obszarach biznesowych. Wśród aplikacji była również taka, która wyodrębniała klientów biznesowych chcących wcześniej spłacić zaciągniętą pożyczkę, częściowo lub w całości, i inną, która miała wyodrębniać istotne informacje z danych publicznych na temat prywatnych przedsiębiorstw.Zarządzanie zmianą

Projekty, w których wykorzystuje się technologie kognitywne, nie dotyczą jedynie zmian technologicznych. Od osób, które wybiegają poza program pilotażowy czy etap testów, oczekuje się także, że będą pomagały w zmianie kultury organizacyjnej, zachowań czy postaw. Nie są to zmiany małe, zwłaszcza gdy weźmie się pod uwagę oczywiste zagrożenie dla miejsc pracy. Ponieważ technologie kognitywne często wiążą się z zarządzaniem wiedzą lub wykorzystywaniem jej, projekty te pracownikom wiedzy mogą wydawać się bardzo groźne. Trzeba koniecznie odnieść się do ich obaw na samym początku, gdyż wygląda na to, że w dużej mierze zagrożenie to jest przeceniane.

W istocie, w większości z niemal 200 projektów kognitywnych, które zbadaliśmy, zwolnienia pracowników były wręcz minimalne. Przez całe lata funkcjonuje system obrazowania medycznego oparty na technologii kognitywnej, która potrafi wykryć potencjalne zmiany nowotworowe. Kilka badań potwierdziło już, że systemy te mogą pomóc w postawieniu dokładniejszej i trafniejszej diagnozy, niż zrobiliby to radiolodzy[x]. Nowe systemy nie odebrały jednak radiologom pracy i też się na to w najbliższym czasie nie zanosi. Technologia nie jest do końca sprawdzona, a integracja z rutynowymi procesami klinicznymi może zająć wiele lat.

Pokazując, w jaki sposób technologie kognitywne mogą usprawnić dotychczasowy sposób działania – na przykład znacznie podnieść możliwość realizacji zadań, które wcześniej były niewykonalne – pomaga się organizacjom zdobyć poparcie pracowników dla procesu transformacji.

Ambicje

Wreszcie dochodzimy do pytania o to, jak ambitne powinny być nasze przedsięwzięcia. Niektóre organizacje realizują niezwykle ambitne inicjatywy o niemalże rewolucyjnym potencjale. Inne ostrożniej zarysowują cele – dodając element „inteligentny” jako nowy eksperymentalny kanał docierania do klientów lub automatyzowania pakietów zadań.

Pytanie o poziom ambicji przedsięwzięć nie znajduje jednej właściwej odpowiedzi. Niewiele jest jednak firm, które osiągnęły sukces, wprowadzając radykalne zmiany przy zastosowaniu technologii kognitywnych, natomiast można znaleźć wiele przykładów organizacji, którym z powodzeniem udało się zrealizować cele, które były w zasadzie na wyciągnięcie ręki.

Ostatnimi laty centrum onkologiczne MD Anderson Cancer Center z siedzibą w Houston w stanie Texas zastosowało oba podejścia na różnych poziomach organizacyjnych – z różnymi wynikami. W 2012 roku organizacja ta rozpoczęła projekt innowacyjny, o którym sami pracownicy ze względu na skalę przedsięwzięcia mówili „wyprawa na Księżyc”. W ramach projektu wykorzystali Watsona IBM-a do diagnozowania i leczenia niektórych rodzajów raka. W 2017 roku, po zainwestowaniu ponad 60 milionów dolarów, szpital wstrzymał projekt[. Nie był jeszcze w stanie skutecznie leczyć pacjentów i w ogóle nie był zintegrowany ze szpitalnym elektronicznym systemem zapisu.

W tym samym czasie jedna z grup pracujących w pionie informatycznym szpitala MD Anderson zastosowała technologie kognitywne do wykonywania nieco prostszych zadań. Było to między innymi polecanie rodzinom pacjentów hoteli i restauracji, określając, którzy z pacjentów wymagają pomocy w stosowaniu procedury regulowania rachunków, a także tworząc zautomatyzowany „kognitywny help desk”, który zajmował się rozwiązywaniem problemów działu informatycznego. Kolejna grupa używała uczenia maszynowego do analizowania terapii antyrakowych u pacjentów o określonym genomie. Projekty te zakończyły się sukcesem i obecnie realizuje się ich więcej.

Doświadczenia szpitala MD Anderson z projektami kognitywnymi mogą okazać się ważną wskazówką dla każdego, kto rozważa zaangażowanie się w tego typu projekty. Choć istnieją sytuacje, w których bardzo ambitne przedsięwzięcia mogą być właściwym wyborem, naszym zdaniem najlepiej sprawdzają się one tam, gdzie technologia ta została już przetestowania, organizacja ma już na swoim koncie udane duże projekty transformacyjne w obszarze informatyki, a menedżerowie wyższego szczebla są w nie w pełni zaangażowani. Dla większości firm najlepszym rozwiązaniem jest stworzenie kilku skromniejszych aplikacji w tym samym ogólnym obszarze biznesu (powiedzmy, poprawianiu relacji z klientami), które zastosowane łącznie mają szansę wywrzeć znaczny wpływ na firmę. W ten sposób każdy element będzie obarczony stosunkowo niewielkim ryzykiem, a firma będzie miała czas na łatwe wejście w proces zmiany.

Technologia kognitywna to nie krótkotrwała moda, która zaraz przeminie. Zdaniem wielu menedżerów, to najbardziej rewolucyjna technologia, która zaczyna się już krystalizować. Inwestorzy zdają się myśleć podobnie. Liderzy muszą zacząć przygotowywać się do tworzenia strategii kognitywnych i zacząć je wdrażać – w przeciwnym razie narażą się na to, że zostaną w tyle.

Firmy powinny spodziewać się tego, że ich najważniejsi konkurenci ostatecznie przyjmą u siebie technologie kognitywne i będą świadomi, że wielu obecnie tak czyni. Większe jednak zagrożenie może przyjść ze strony graczy, którzy przeszli proces cyfryzacji, gdyż nie obawiają się oni tworzenia modeli biznesowych opartych na technologii. Firmy takie jak Google czy Amazon szybko podjęły temat wdrożenia rozwiązań wykorzystujących sztuczną inteligencję i sprawnie adaptują się do nowych warunków biznesowych. Firmy powinny przygotować się na falę podobnych zagrożeń, które nadejdą ze strony nowych przedsięwzięć zbudowanych od zera na podbudowie technologii kognitywnej. Firmy, które ignorują siłę tych technologii, a także procesy biznesowe i modele, które mogą na tej platformie powstać, zaczną szybko tracić swoje przewagi konkurencyjne, ponieważ niewątpliwie zmierzamy w kierunku świata otwartego na technologie kognitywne.

Thomas H. Davenport (@tdav) jest profesorem informatyki i zarządzania w Babson College w Wellesley, w stanie Massachusetts; członkiem MIT Initiative on the Digital Economy (Inicjatywy MIT na rzecz Gospodarki Cyfrowej) oraz NewVantage Partners; starszy doradcza w Deloitte Analytics. Vikram Mahidhar (@vikram_mit) jest dyrektorem ds. sztucznej inteligencji w Genpact, firmie świadczącej usługi profesjonalne skoncentrowane na realizacji projektów cyfryzacyjnych, z siedzibą w Nowym Jorku.


Bibliografia

  • “Big Data Executive Survey 2018,” NewVantage Partners, Boston, Massachusetts, http://newvantage.com.
  • “Is Your Business AI-Ready?” Genpact and Fortune Knowledge Group, 2017, www.genpact.com.
  • T.H. Davenport and R. Bean, “How Verizon Is Building a Big Data and AI Culture,” Forbes, Nov. 15, 2017, www.forbes.com.
  • T.H. Davenport and R. Bean, “How P&G and American Express Are Approaching AI,” Harvard Business Review (blog), March 31, 2017, https://hbr.org.
  • T. Simonite, “Google’s New Brain Could Have a Big Impact,” MIT Technology Review, June 14, 2012, www.technologyreview.com.[ J. Bresnick, “IBM Watson Becomes Unique Clinical Decision Support Tool,” HealthIT Analytics, Oct. 22, 2014, https://healthitanalytics.com.[ T.H. Davenport and J. Kirby, “Just How Smart Are Smart Machines?” MIT Sloan Management Review 57, no. 3 (spring 2016): 21-25.
  • Ibid.
  • T.H. Davenport, “What Data Scientist Shortage? Get Serious and Get Talent,” Data Informed, May 17, 2016, http://data-informed.com.[
  • Z. Obermeyer and E. Emanuel, “Predicting the Future – Big Data, Machine Learning, and Clinical Medicine,” New England Journal of Medicine 375 (Sept. 29, 2016): 1216-1219.
  • D. Hernandez, “Hospital Stumbles in Bid to Teach a Computer to Treat Cancer,” The Wall Street Journal, March 9, 2017.