Идея использования сбора социальных данных для создания петли обратной связи вряд ли нова. Тем не менее, скорость, с которой пользователи получают выгоду, быстро увеличивалась за последнее десятилетие. Когда Microsoft начала просить пользователей отправлять данные о сбоях, это должно было помочь инженерам найти ошибки, которые нужно исправить в следующей версии. Обновление прибыло через три года после того, как вы отправили отчет о сбое. Сетевые эффекты, да, но не в одночасье.
Первый раз, когда я использовал Waze, было откровением не из-за используемых в нем сетевых эффектов, а из-за того, насколько прозрачно их отображает пользовательский интерфейс. Участвуя в системе, я улучшаю опыт вождения всех остальных, а все остальные участники улучшают мои. Будучи частью цикла обучения, все мы добираемся до места назначения быстрее, чем могли бы сами.
Две важные вещи изменились за последние несколько лет, чтобы ускорить как сетевые эффекты, так и поддерживаемые ими петли обратной связи: во-первых, коммерциализация технологии машинного обучения, а во-вторых, прозрачность взаимосвязи между использованием программного обеспечения и вкладом в ваше поведение. к нему. Эти два фактора вместе служат основой нового поколения технологий: циклов обучения.
Что такое циклы обучения?
Циклы обучения сочетают машинное обучение с крупномасштабными наборами данных, предоставляемыми обществом. Но то, что вы предоставляете, - это не ваш статус, ваши фотографии или книги в вашем списке для чтения. Вы напрямую влияете на свое поведение.
В циклах обучения каждый участник сети программно извлекает выгоду из опыта всех остальных участников сети. Подобно тому, как Waze быстрее доставляет меня к месту назначения в обмен на предоставление информации о моем местонахождении приложению, циклы обучения дают мне лучшие результаты, чем те, которые я могу получить самостоятельно.
И они быстрее - намного быстрее. В новой волне приложений цикла обучения время задержки не просто равно нулю, оно может быть меньше нуля. Циклы обучения не только реагируют на поведение, но и предсказывают его.
Циклы обучения овладели потребительским программным обеспечением. Решаете ли вы, какие книги читать, какую музыку слушать или с кем встречаться, кто-то построил цикл обучения, чтобы поддержать вас. Ваш опыт основан на миллионах других моделей поведения, которые были зафиксированы и зафиксированы такими же людьми, как вы. Ваша сторона сделки? Используйте продукт и вносите свой вклад в сеть.
Спросите любого венчурного инвестора, сколько потребительских товаров они профинансировали за последний год без циклов обучения, и вы увидите, насколько это распространено. Однако когда дело доходит до корпоративного программного обеспечения, дела только идут. Но по мере того, как циклы обучения укореняются, что постоянно происходит на перспективных предприятиях, программное обеспечение с циклами обучения меняет конкурентоспособность компаний, иногда в мгновение ока.
Циклы обучения на предприятии: обмен данными как способ к победе
Один из сегментов бизнеса, в котором циклы обучения получили широкое распространение, - это безопасность и обнаружение мошенничества. Учитывайте безопасность области 1: участники своей сети отправляют данные датчиков обратно на базовую платформу, что, в свою очередь, делает обнаружение угроз безопасности более эффективным для всех в сети. Если я являюсь участником сети, то я извлекаю выгоду из опыта всех остальных участников сети.
Это кажется очевидным, но помните, что всего несколько лет назад для компании обмениваться данными такого рода за пределами их непосредственного брандмауэра было серьезным делом. Но дальновидные предприятия понимают, что защита безопасности, которую они могут получить самостоятельно, намного отстает от той, которую они могут получить, участвуя в доброжелательной сети.
В совершенно другой области мы видим аналогичные эффекты в Textio. Компании предоставляют свои данные о найме: опубликованные ими вакансии, статистику соискателей и время заполнения должности. В свою очередь, когда они пишут новые сообщения, прогностический механизм Textio сравнивает их язык с языком успешных сообщений из более широкой сети и дает им конкретные рекомендации, которые, как доказано, позволяют быстрее выполнять их роли с более разнообразными кандидатами.
Через год компании, использующие эту технологию, заполняют должности на 17% быстрее, причем кандидаты являются более разнообразными и более квалифицированными, чем их конкуренты, которые этого не делают. Как и в случае с программным обеспечением безопасности, этот разрыв только увеличивается из месяца в месяц по мере роста набора данных.
В обоих случаях вовлеченные компании получают конкретные преимущества, которые меняют их конкурентное положение в течение нескольких дней после внедрения. Прошли времена ожидания трехлетнего обновления версии; циклы обучения бывают быстрыми. И, конечно же, чем больше растет сеть, тем быстрее и эффективнее становится цикл обучения и тем болезненнее находиться за его пределами.
Спросите себя, какие еще области вашего бизнеса созрели для того, чтобы перевернуть цикл обучения: финансовое программное обеспечение, которое рассматривает ваши модели расходов в контексте всех остальных, чтобы подсказать вам, как составлять бюджет? CRM, которая сообщает вам, когда предлагать определенные компании, основываясь на том, когда в финансовом году они обычно покупают такие услуги, как ваша?
Ваши данные и данные улья: без конкуренции
Это выходит далеко за рамки знакомства с классной группой или выяснения того, какой фильм посмотреть. Социальные последствия революции цикла обучения, когда она происходит на предприятии, очень серьезны. Если вы участвуете в цикле обучения, вы будете нанимать, продавать, продавать и строить лучше, чем кто-либо, не входящий в этот цикл. Все участники цикла обучения выигрывают, потому что они извлекают пользу из опыта всего сообщества; все, кто находится вне цикла, проигрывают, потому что они работают с данными, которые слишком ограничены для конкуренции.
Если вы выстраиваете цикл обучения, разработка технологий машинного обучения больше не является препятствием на пути к успеху. Это также больше не ваша отличительная черта. Технологии машинного обучения становятся все более массовыми, поскольку крупные технологические компании выпускают свои библиотеки для всеобщего пользования.
Вместо этого ваш успех зависит от применения этой технологии к новым комбинациям социальных данных. Чтобы получить социальные данные, вам нужно дать людям в вашем цикле опыт, который намного превосходит все, что они могут получить самостоятельно.
Во многих областях наш коллективный опыт и механизм прогнозирования последовательно решают проблемы лучше, чем один мозг по отдельности. Пытаюсь ли я вернуться домой в час пик или хочу узнать, как я отношусь к другим людям, циклы обучения уводят меня намного дальше, чем я могу сделать в одиночку.
Потребительские товары уже приняли это. Надпись на стене для предприятия. Если вы не участвуете в цикле обучения и программно извлекаете выгоду из опыта своей сети, ваш бизнес не останется жизнеспособным.
Узнайте больше о том, как язык влияет на ваш прием на работу, на textio.com.
Спасибо Гордону Риттеру, Дженсену Харрису, Орену Фальковицу, Рою Бахату, Шивону Зилису, Стивену Синофски и Тиму Халлорану за их прекрасное обсуждение идей, изложенных в этой статье.
