Что скоро может стать общим между викторинами Jeopardy! и ваше следующее проектное задание? (Подсказка: это определенно не имеет никакого отношения к количеству драмы)

Буквально на прошлой неделе парижский ИТ-гигант Capgemini объявил, что будет использовать систему когнитивных вычислений IBM Watson для автоматического распределения проектов между сотрудниками. Да, та же самая вычислительная система, которая лихо победила в Jeopardy! в 2011 году, продемонстрировав умение отвечать на вопросы, заданные на естественном языке, теперь помогает Capgemini выполнять 30–40% работы, ранее выполняемой ее группой управления ресурсами.

Хотя в приведенном выше случае увольнений не было, а пострадавшие сотрудники (около 500 человек) были переведены в другие подразделения, безопасность труда больше не является гарантией. Машины, которые изначально начинались как вспомогательные механизмы для повышения производительности труда, быстро поднялись по служебной лестнице, сначала помогая сократить рабочую силу, а теперь почти полностью устраняя необходимость вмешательства человека. И, как показывает случай с Capgemini, это уже не ограничивается только сферой ручного труда и фабричных цехов.

С распространением больших данных, машинного обучения, автоматизации, искусственного интеллекта. и смежных вычислительных сферах, в сочетании с необходимостью для компаний оставаться конкурентоспособными на все более сложных рынках, базовый уровень того, что составляет автоматизированную работу, быстро растет. И дело не в том, что компании могут бороться с этой тенденцией и придерживаться более трудоемких операций. В этом быстро меняющемся футуристическом ландшафте стоимость бездействия может быть катастрофической, особенно в сфере услуг. Как пишет Мартин Форд в своей книге The Rise of the Robots 2015 года: Как только один из крупнейших игроков отрасли начнет получать значительные преимущества за счет повышения уровня автоматизации, у других не останется иного выбора, кроме как последовать его примеру. подходить."

Следовательно, учитывая ставки на столе, неудивительно, что машинное обучение и автоматизация используются во многих отраслях. Ниже кратко показано, как трансформируются некоторые ключевые домены услуг:

Закупки и цепочка поставок. Ее можно назвать основой современной бизнес-модели и, следовательно, очевидно, что она является главной целью улучшений на основе машинного обучения. Например, ранее в этом месяце Boeing и Microsoft объявили о партнерстве, чтобы использовать технологии данных Azure последней, чтобы помочь первой прогнозировать все, от работ по техническому обслуживанию до требований к топливу. А ранее в мае этого года Accenture объявила о приобретении OPS Rules — бутиковой аналитической консалтинговой компании, которая специализируется на применении науки о данных для создания решений для цепочек поставок и аналитики операций. И все это даже без учета происходящих более известных революций, таких как дроны доставки Amazon.

  • Кто подвергается непосредственному риску.Складские работники – наиболее подверженный риску сегмент. От машин для считывания штрих-кодов до роботов с поддержкой обработки изображений, способных сортировать посылки, компании, работающие в цепочках поставок по всему миру, пытаются сделать самую базовую (и важную) задачу управления запасами без участия человека. Тем не менее, здесь отчетливо виден базовый рост из-за развития более автоматизированных систем, использующих данные в реальном времени для обеспечения поддержки принятия решений, прогнозирования и автоматизации в рабочих процессах, которые в конечном итоге заменят существующие системы ERP (которые требуют больше ручного вмешательства). . Это сделает многие виды деятельности, выполняемые на низком и среднем уровне закупок и надзора за цепочками поставок, излишними.
  • Человеческое преимущество.Несмотря на то, что многие из основных задач управления закупками и цепочками поставок станут менее ресурсоемкими и будут все больше полагаться на автоматизированные системы, квалифицированные специалисты по-прежнему потребуются для планирования и выполнения использования алгоритмы интеллектуального планирования и использование IoT (Internet of Things). Однако требуемый набор навыков будет сильно отличаться от существующих требований, а общий базовый уровень автоматизации в отрасли будет только постоянно увеличиваться.

Исследования рынка и консультации.Если вы собираетесь предоставлять информацию своим клиентам, вам нужна наилучшая информация для начала. Весь сектор созрел для революции машинного обучения. Ранее в этом году Deloitte объявила об альянсе с Kira Systems из-за их мастерства в области машинного обучения и того, что уже год используется их платформа для создания пользовательских моделей, которые позволяют быстрее понять проблемы клиентов.

  • Кто подвергается непосредственному риску.Сбор данных по своей природе — это объемная и монотонная работа, которая лучше всего подходит для дотошных, неутомимых глаз машины. С растущим объемом доступных данных и очевидными преимуществами использования машин никого не должно удивлять, что это будет наиболее уязвимая область маркетинговых исследований.
  • Преимущество человека. Несмотря на значительный прогресс в области искусственного интеллекта и глубокого обучения, все еще есть несколько асов, которые люди держат в рукаве. Исследования и решения, основанные на человеческих эмоциях и потребностях, а также способность опираться на свой опыт, чтобы выносить суждения в пограничных случаях, гарантируют, что люди по-прежнему будут нужны в этой области. На самом деле, весьма вероятно, что мы увидим разработку многочисленных инструментов на основе машинного обучения, которые будут востребованы аналитиками и консультантами, чтобы лучше выполнять свою работу.

Финансовые услуги. Растущее значение этого сектора для экономики в целом отражает то внимание, которое ему уделяется в отношении автоматизации и машинного обучения. Однако, в отличие от ранее упомянутой отрасли, финансовые услуги из-за их очень изменчивого и эмоционально перегруженного характера не видели массовых попыток автоматизации. Вместо этого основное внимание уделяется рационализации многих аспектов отрасли, таких как банковское дело и страхование, управление активами и выявление неэффективности на финансовых рынках.

В целом, последствия продолжающейся революции в области автоматизации будут ощущаться во всех секторах и приведут как к уничтожению некоторых старых рабочих мест, так и к созданию новых. Однако баланс сместится в сторону более квалифицированных рабочих мест с более низкой общей ресурсоемкостью. Отдельные лица и корпорации, способные адаптироваться и активно использовать эти новые инструменты, получат огромную выгоду как от операционных выгод, так и от конкурентного превосходства. Суть вопроса, однако, заключается в адаптации во времени.

Менеджер по инновациям в Smart Cube

Первоначально опубликовано на https://www.linkedin.com 29 августа 2016 г.