* * *
В предыдущих главах мы говорили о том, как искусственный интеллект применяется в бизнесе. Компании в самых разных отраслях используют преимущества эффективных команд, состоящих из людей и машин. Сильные стороны людей, такие как креативность, находчивость, ловкость, рассудительность, социальные навыки и лидерские качества, по-прежнему актуальны и значимы. То же самое можно сказать и о сильных сторонах машин, таких как быстродействие, точность, прозрачная масштабируемость, способность выполнять повторяющиеся операции и строить прогнозы. Осознание относительных преимуществ людей и машин позволит компаниям повысить эффективность работы и усилить мотивацию сотрудников, существенно увеличив при этом доход и чистую прибыль.
Но что будет завтра? Вторая часть книги — это и есть наш прогноз. В следующих главах мы проанализируем динамику взаимодействия человека и машины, а также попытаемся выяснить, что можно сделать для переосмысления бизнес-процессов с учетом этой динамики.
По всей вероятности, некоторые профессии всегда будут оставаться исключительной прерогативой либо человека, либо машины. Однако наши исследования показывают, что формирование команд из людей и машин трансформирует многие старые профессии и способствует появлению новых. Новые профессии, возникающие из партнерского взаимодействия людей и машин, появляются в области, которую мы называем недостающей серединой. Речь идет о новых подходах к труду, которые практически не упоминаются в современных экономических исследованиях и докладах о положении дел в сфере занятости. Традиционно людей и машин считали соперниками, отнимающими друг у друга работу. Однако такая бинарная точка зрения носит слишком упрощенный характер и исключает пути эффективного взаимодействия, которые и формируют «недостающую середину».
Простая истина: максимальной эффективности компании достигают, когда люди и машины действуют как союзники (а не как противники), пользуясь преимуществами друг друга. То, что мы выполняем играючи (сложить полотенце, например), может оказаться весьма сложным для машины. А нам чрезвычайно трудно делать то, что легко дается машинам (в частности, обнаруживать скрытые закономерности в больших объемах данных). В действительности люди могут добиваться успеха, когда в их распоряжении почти нет данных, тогда как машинам нет равных при больших объемах данных. Бизнес нуждается в обеих возможностях — и эти возможности находятся в той самой «недостающей середине», где и происходит командная работа. Кроме того, машинное обучение и другие технологии искусственного интеллекта во многих случаях функционируют подобно «черным ящикам», что может привести к принятию решений, не имеющих объяснения. Для систем определенных типов это приемлемо, однако другие области применения (такие как медицина и право) обычно требуют участия людей.
