Понимание Искусственного Интеллекта

10 Задача ИИ — Как Искусственный Интеллект может быть закреплен в компании

Аннотация

В этой главе вы увидите, что модель 3 горизонтов предоставляет вам важный инструмент для проверки текущего состояния использования ИИ в вашей компании. Основываясь на этом, вы можете сформулировать конкретные задачи для инициации деятельности на уровнях горизонтов 2 и 3 для выявления стратегического потенциала Искусственного Интеллекта для вашей компании. Представленная карта зрелости ИИ предоставляет вам очень полезный инструмент для анализа вашей зрелости ИИ. Помимо основ ИИ, вы также фокусируетесь на областях применения Искусственного Интеллекта в вашей компании. Результаты карты зрелости ИИ являются отправной точкой для вашего пути ИИ. Вы найдете ориентиры, четкие руководства и полезные инструменты для разработки пути ИИ для вашей компании. Вы увидите, что необходимо для успешного решения задачи.

10.1 Модель 3 горизонтов как основа для ориентации

Примеры применения ИИ, обсуждавшиеся ранее, демонстрируют огромный потенциал стратегического развития во всех отраслях. Здесь — на ограниченное время — открывается захватывающее стратегическое окно возможностей для использования новых рыночных возможностей. Его следует использовать, если вы, как уже существующий поставщик, не хотите быть подавлены новичками в ИИ. Цель состоит в систематической проверке актуальности внутренних областей действия ИИ. Для этого крайне важно, чтобы вы осознавали последствия соответствующих изменений.

Для этого вы можете использовать модель 3 горизонтов (ср. рис. 10.1; Baghai, Coley, & White, 2000, с. 5–17; Blank, 2015; Kreutzer, Neugebauer, & Pattloch, 2017, с. 77f.; Kreutzer, 2019, с. 78–85). Комплексная интеграция ИИ в продукты, услуги, процессы и, возможно, целые бизнес-модели требует, с одной стороны, стратегических изменений в высшем руководстве. С другой стороны, необходимы всеобъемлющие знания об ИИ в организации. Кроме того, необходимо создать определенные рамки для достижения успеха с помощью Искусственного Интеллекта. Используя

Рисунок 10.1 Базовая концепция модели 3 горизонтов. Источник: Адаптировано из Baghai et al., (2000, с. 5) и Blank (2015)

Рисунок 10.2 Модель 3 горизонтов для стратегического анализа интеграции ИИ (Рисунок авторов)

модель 3 горизонтов, вы можете проверить степень интеграции деятельности ИИ в вашу компанию — или нет.

Соответствующее содержание бизнес-моделей, расположенных на разных горизонтах, следующее (ср. рис. 10.2):

• Бизнес-модели горизонта 1

Бизнес-модели горизонта 1 описывают текущее состояние компании. Существующая бизнес-модель отображается и выполняется. Основное внимание уделяется генерируемой выручке и денежным потокам. Наконец, они также являются предпосылкой для финансирования инновационной деятельности, связанной с ИИ. Этот основной бизнес должен быть расширен и/или защищен на уровне горизонта 1 при необходимости. В этих (часто зрелых) бизнес-моделях,

инкрементальные улучшения процессов, продуктов и/или услуг должны осуществляться путем избирательной интеграции Искусственного Интеллекта для поддержки роста существующей бизнес-модели и обеспечения ее рентабельности.

• Бизнес-модели горизонта 2

Уровень горизонта 2 исследует, какие инновации в бизнес-моделях могут поддерживать деятельность на уровне горизонта 1. Новые инициативы в бизнес-моделях, возникающие из этого процесса, часто строятся на основе существенных инвестиций. Эти бизнес-модели уже могут генерировать первоначальную прибыль, хотя их бизнес-пик часто не будет достигнут в течение следующих четырех-пяти лет. Здесь может быть принято решение об использовании ИИ, выходящем за рамки инкрементальных оптимизаций.

• Бизнес-модели горизонта 3

Бизнес-модели горизонта 3 являются высокоинновационными (часто также прорывными) и представляют собой подходы к совершенно новой бизнес-логике, которая становится возможной только благодаря концепциям ИИ. Они включают предиктивное техническое обслуживание, предиктивную полицию и использование виртуальных персональных помощников). Для разработки таких бизнес-моделей необходим углубленный анализ индивидуальных возможностей компании или групп клиентов (ср. Kreutzer, 2019). Этот анализ выходит далеко за рамки повседневной деятельности. На уровне горизонта 3 исследуются стратегические варианты прорывных изменений, а идеи трансформируются в конкретные модели; Искусственный Интеллект здесь играет особую роль.

Модель 3 горизонтов показывает различные диапазоны инноваций в бизнес-моделях. Бизнес-модели горизонта 1 представляют собой существующую бизнес-логику, выполнение которой является основным направлением деятельности существующей организации и для которой особенно актуальны инкрементальные оптимизации. Это может быть улучшение обслуживания клиентов за счет расширенного использования ИИ в сервисном центре. Или внедрение маркетинговой автоматизации с поддержкой ИИ в систему CRM для ускорения и индивидуализации обслуживания клиентов компании электронной коммерции. На этом горизонте уровень инноваций остается относительно низким. На этом горизонте вы улучшаете только части существующей бизнес-модели. Таким образом, вы можете обеспечить и/или расширить существующие конкурентные преимущества. Кроме того, вам нужно проанализировать, работает ли ваша компания одновременно над бизнес-моделями горизонта 2 и горизонтом 3. Акцент делается на одновременности!

Ящик памяти

Модель 3 горизонтов обращает ваше внимание на особую стратегическую задачу. В то время как повседневные дела обрабатываются на уровне горизонта 1, ваша компания должна быть активна на уровнях горизонтов 2 и 3 параллельно, чтобы успешно формировать будущее.

Поэтому в управленческом языке прижился термин амбидекстрия. Речь идет просто о том, чтобы осваивать повседневный бизнес сегодня и не терять из виду будущее на горизонтах 2 и 3. Повседневные дела — это эксплуатация в смысле использования потенциала, который уже обработан. Горизонты 2 и 3 фокусируются на исследовании в смысле изучения новых бизнес-

области. В конце концов, цифровая эпоха ведет к все более быстрому появлению и исчезновению бизнес-моделей. Искусственный Интеллект является дополнительным ускорителем для этой цели.

Резюме

• Модель 3 горизонтов предоставляет вам важный инструмент для проверки текущего состояния использования ИИ в вашей компании.

• Вы также можете формулировать конкретные задачи для инициации деятельности на уровнях горизонтов 2 и 3, чтобы выявить стратегический потенциал Искусственного Интеллекта для вашей компании как можно раньше.

• Если вы не дадите импульс для пути ИИ вовремя, вам не придется покидать рынок сегодня и завтра, но во многих отраслях вам наверняка придется покинуть его послезавтра.

10.2 Оценка зрелости ИИ в вашей компании

Отправная точка любой стратегии ИИ — это четкое определение местоположения, даже если результаты не вызывают энтузиазма. Для этой цели используется карта зрелости ИИ, показанная на рис. 10.3. Проводится различие между основами ИИ и областями применения ИИ. Основы ИИ должны быть проанализированы для всех компаний по четырем упомянутым измерениям. Соответствующие области применения ИИ должны быть определены в соответствии с предприятием. Эти области — в данном случае — могут включать области обслуживания клиентов, маркетинга/продаж, предоставления услуг и производства. В зависимости от фокуса компании, это может также включать сектор технического обслуживания, человеческие ресурсы или другие области. Перед использованием карты зрелости ИИ следует проверить, отражает ли она уже области применения, важные для вас. При необходимости вы можете добавить новые области или удалить существующие.

Ящик памяти

Важно проверить каждую связь в вашей цепочке создания стоимости, чтобы увидеть, может ли использование Искусственного Интеллекта сократить затраты и/или генерировать дополнительную ценность для клиентов, поставщиков и/или самой компании.

Содержание отдельных областей карты зрелости ИИ приведено ниже. Используя карту зрелости ИИ, вы определите степень, в которой описанное содержание уже существует в вашей компании (основы ИИ) или используется (приложения ИИ). В ходе анализа вы можете назначить значения от 0% (недоступно, не определено, не внедрено) до 100% (полностью доступно, полностью внедрено, используется в повседневной деятельности).

Анализ наличия основ ИИ

• Цели ИИ/стратегия ИИ

В начале вы проверяете, сформулированы ли жизнеспособные цели для использования Искусственного Интеллекта в вашей компании в отношении содержания, объема и временной и пространственной привязки. Без соответствующей формулировки целей деятельность не может быть успешно согласована. Поэтому проверьте, в какой степени стратегия ИИ уже существует. Здесь можно определить, стали ли данные и их использование драйверами успеха в вашей отрасли — и если это уже отражено в ваших целях и стратегиях.

• Бюджет ИИ

На следующем этапе вы определяете, был ли выделен бюджет на разработку и использование Искусственного Интеллекта. Сумма бюджета — например, по сравнению с бюджетом на исследования и разработки или с оборотом и прибылью — говорит о том, является ли это "событием для мыши" в смысле инвестиции для галочки или стратегической инвестиции в будущие проекты.

• Сотрудники ИИ

Здесь вы можете узнать, есть ли у вас уже специалисты по ИИ (например, специалисты по данным, специалисты по ML) в штате вашей компании или вам приходится полагаться только на внешнюю поддержку. Вы оцениваете, насколько устойчивы собственные компетенции. Кроме того, вы анализируете, на каком иерархическом уровне и с какими задачами, компетенциями и обязанностями люди отвечают за задачи ИИ.

• Системы ИИ

Системы ИИ — это платформы машинного обучения, которые служат основой для собственных разработок. Системы, такие как Lucy или Albert, описанные в разделе 4.2.1, также могут использоваться для этой цели. Приложения, такие как Amazon Rekognition в разделе 4.2.6, которые могут быть интегрированы в ваши собственные приложения с использованием API, также являются частью описанного здесь ландшафта систем ИИ. Следует также проверить, используются ли базовые системы ИИ, предлагаемые платформами ИИ Amazon SageMaker (2019) и Microsoft Azure (2019). В дополнение к доступу к таким системам, вы

определить, какие потоки данных доступны для обработки в приложениях ИИ. Это малые данные из вашей собственной компании или большие данные, которые могут включать много других источников данных?

На этом этапе анализа карты зрелости ИИ также возникает вопрос о том, в какой степени существующие системы ИИ служат поддержке принятия решений или принимают независимые решения (без человеческого контроля). В худшем случае ваша компания полностью лишена таких систем — и у компании большое количество хранилищ данных и процессов.

Вы можете различать следующие значения для основ ИИ при оценке:

• 0–20%: Отсутствует

• 20–40%: Точечно

• 40–60%: В отдельных областях имеется — но все еще не связано

• 60–80%: Доступно во многих областях — частично связано

• 80–100%: Полностью связано по содержанию и структурно закреплено внутри компании.

Анализ наличия приложений ИИ

• Обслуживание клиентов

В этой области вы определяете — на основе определенных целей ИИ — поддерживаются ли значительные области обслуживания клиентов уже приложениями ИИ. Если все релевантные области применения поддерживаются решениями ИИ, вы можете назначить здесь 100%.

• Маркетинг/продажи

В маркетинге/продажах возникает вопрос, выявляются ли высокие потенциалы приложениями ИИ для сокращения потерь при привлечении. В ходе обслуживания клиентов решения ИИ могут поддерживать разработку следующих коммуникативных импульсов и переносить их в маркетинговую автоматизацию. Для этой цели можно проверить данные, связанные с клиентами, чтобы увидеть, могут ли быть выявлены определенные закономерности, указывающие на потенциал продаж (области применения предиктивной аналитики).

• Предоставление услуг

В этой области вы определяете степень, в которой услуги уже поддерживаются системами ИИ (например, распознавание лиц) или предоставляются независимо (например, цифровыми персональными помощниками или гуманоидными роботами).

• Производство

Здесь вы проверяете, в какой степени производство уже поддерживается решениями ИИ. Задачи варьируются от закупок, поддерживаемых ИИ, до планирования производства с оптимизированным контролем ресурсов с помощью ИИ, предиктивного технического обслуживания и оптимизированной передачи данных в дальнейшую логистическую цепочку с помощью ИИ. Если производство имеет большое значение в вашей компании, могут быть добавлены дополнительные оси к карте зрелости ИИ для анализа дальнейших производственных этапов.

Вы можете присвоить следующие значения областям применения ИИ при анализе:

• 0–20%: Нет использования или минимальные начала

• 20–40%: Рудиментарное внедрение

• 40–60%: Поддержка ИИ доступна

• 60–80%: Решения ИИ реализуются согласно оценке человеком

• 80–100%: Решения ИИ реализуются автоматически.

На стратегическом совещании или на основе опроса представителей соответствующей компании вы можете определить, как оценивается зрелость ИИ с самооценки (самооценка, внутренний образ). Для этого важно, чтобы респонденты осознавали, что это честная оценка. Обманывать себя — не правильный путь к решению этой важной задачи. Кроме того, очень полезно — а возможно, и очень болезненно — дополнить свой собственный образ образом других (внешний образ). Для этого можно использовать внешних консультантов для поддержки (сравнительного) определения зрелости ИИ. Именно "внешний" взгляд расширяет горизонты и помогает увидеть за пределами собственной компании и отрасли задачи, о которых вы не знаете.

Это также включает проведение анализа зрелости ИИ ваших наиболее важных конкурентов. Опять же, важно не ориентироваться только на ранее действовавшие отраслевые границы. Искусственный Интеллект, в частности, приведет к тому, что границы отраслей станут еще менее важными и размытыми. Новые конкуренты часто появляются не из своей отрасли, а являются творческими стартапами, которые просто пробуют что-то новое.

Результат анализа зрелости ИИ в идеале показывает, что ваша компания уже достигла лидерства в области ИИ. Или становится ясно, что сегодня ваша компания отстает. В любом случае, ответственные менеджеры должны теперь начать путь ИИ, чтобы энергично продвигать внедрение ИИ.

Резюме

• Использование карты зрелости ИИ для анализа вашей зрелости ИИ — это незаменимый первый шаг в разработке ИИ.

• Здесь вы можете систематически определить, создали ли вы уже основы для успешного использования Искусственного Интеллекта в вашей компании.

• Кроме того, вы можете распознать, в каких областях применения уже внедрен Искусственный Интеллект.

• На основе результатов карты зрелости ИИ, начните свой путь ИИ.

242 10 Задача ИИ — Как Искусственный Интеллект может быть закреплен в компании

10.3 Развитие пути ИИ в собственной компании

Искусственный Интеллект имеет потенциал фундаментально изменить общество и экономику. Тем не менее, существует большая неопределенность относительно того, как и, прежде всего, как быстро эта технология будет развиваться. Вам не следует придерживаться выжидательного подхода в своем бизнесе. Это может привести — не в ближайшие два-три года, но позже — к серьезным конкурентным недостаткам. Вам лучше начать путь ИИ уже сегодня, чтобы постепенно увеличить потенциал ИИ для вашей компании. Цель состоит в том, чтобы более глубоко проанализировать возможности и риски этой технологии для вашей компании и отрасли.

С этой целью вы должны ускорить свой путь ИИ — подкрепленный результатами карты зрелости ИИ — если вы еще не запустили его комплексно. Для успешной интеграции ИИ в вашу компанию необходимо создать следующие предпосылки:

• Создание собственных компетенций в области ИИ путем приобретения новых, а также обучения существующих сотрудников и/или доступа к внешним ресурсам ИИ.

• Определение целевого коридора для использования ИИ, например, оптимизация процессов, разработка продуктов и услуг или открытие новых бизнес-областей, для содействия устойчивому развитию компании.

• Создание собственной экосистемы данных путем создания сбалансированной и крупной базы данных для обучения алгоритмов или доступа к внешней экосистеме данных или участия в ней.

• Разработка мощных алгоритмов для конкретных вариантов использования

• Подготовка к управлению изменениями, чтобы включить всю организацию и каждого отдельного сотрудника в путь ИИ.

Чтобы успешно спроектировать этот процесс, вы можете ориентироваться на последующую фазовую концепцию пути ИИ.

10.3.1 Фаза 1: Всесторонний сбор информации

Прежде чем разрабатывать стратегию ИИ, крайне важно, чтобы вы и ваши сотрудники были полностью информированы обо всей области Искусственного Интеллекта. Выйдите за рамки модных слов, а также эйфории или пессимизма в СМИ. Разработайте мета-взгляд через тщательно отобранную команду специалистов по ИИ, которая поможет вам понять различные подходы к ИИ из области информатики, бизнеса, политики, психологии или философии. Каждая точка зрения представляет собой инструмент для освещения пути ИИ!

Создайте возможности для всей компании контактировать с системами и приложениями ИИ — например, через центр ИИ. Они также должны поддерживать игривое изучение Искусственного Интеллекта, чтобы уменьшить страхи и распознать

преимущества этих технологий. Опыт, который вы получите здесь, позволит вам выявить первые области применения ИИ для вашей компании. Сравните преимущества и недостатки использования технологий ИИ в вашей компании. Во многих случаях преимущества перевесят (в долгосрочной перспективе)!

На этом этапе сбора информации полезно ответить на следующие вопросы. Здесь вы можете увидеть, как Искусственный Интеллект изменит конкурентную базу между секторами и компаниями (ср. McKinsey, 2018, с. 47f.):

• Какие отрасли и какие компании будут иметь особо легкий доступ к вычислительной мощности, данным, алгоритмам и квалифицированному персоналу?

• Как будет развиваться эта конкурентная ситуация на протяжении многих лет — какие отрасли и какие компании выиграют, какие проиграют?

• Как будут развиваться отраслевые структуры — какие проиграют, какие (возможно, новые) отрасли появятся?

• Какую роль будут играть технологические платформы в процессе трансформации?

• Как можно спроектировать трансформацию в вашей компании, чтобы интегрировать сотрудников в процессы, поддерживаемые ИИ?

• Какие процессные оптимизации и какие изменения в процессах могут быть достигнуты с помощью технологий ИИ?

• Какие продуктовые и сервисные инновации могут быть разработаны с использованием технологий ИИ?

• Как можно построить необходимые совместные, гибкие и неиерархические организации и культуры?

На этом этапе сбора информации также возникает вопрос о том, какие варианты использования особенно важны для вашей компании для предоставления соответствующих ресурсов. Крайне важно объединить варианты использования с корпоративной и/или бизнес-стратегией на ранней стадии, чтобы получить поддержку высшего руководства и бюджеты, необходимые для успешного внедрения ИИ. Крайне важно не следовать критически за ажиотажем вокруг ИИ, а определить области применения ИИ, которые релевантны для вашей компании и обещают положительный ROI. Различные области применения, обсуждавшиеся ранее, могут поддержать ваши творческие процессы.

Для определения релевантных вариантов использования, используйте модель 3 горизонтов, представленную (ср. рис. 10.1 и 10.2).

• На уровне горизонта 1 вы можете сначала проверить, какие из используемых сегодня процессов могут быть сделаны более эффективными и/или создающими ценность с помощью ИИ. Следующий риск связан с некритическим использованием технологий:

Если вы оцифруете дерьмовый процесс, вы получите оцифрованный дерьмовый процесс.

Поэтому интеграция ИИ в существующие процессы имеет смысл только в том случае, если эти процессы уже работают оптимально. Но даже в этом случае возникает вопрос, не сможете ли вы добиться более убедительных результатов с помощью переработки процессов на основе ИИ.

Кроме того, необходимо определить, можете ли вы добиться немедленного повышения производительности с помощью Искусственного Интеллекта в вашей существующей

портфель продуктов/услуг. Здесь вы можете сосредоточиться на тех вариантах использования, в которых проверенные технологии ИИ уже доступны. Это включает автоматизацию производственных процессов, использование предиктивного технического обслуживания или уточнение вариантов анализа в области CRM (таких как анализ ценности клиентов или кредитный рейтинг). В качестве основы для достижения измеримого успеха можно использовать горизонт в один-два года.

• На уровне горизонта 2 вы расширяете свое видение и проверяете, какие новые процессы, основанные на ИИ, могут значительно развить существующую деятельность. Кроме того, вы должны продвигать анализ всего спектра продуктов и услуг. Таким образом, вы можете определить, какие основательные улучшения или дополнения к вашему предлагаемому портфелю могут быть достигнуты с помощью Искусственного Интеллекта. Этот уровень включает интеграцию чат-ботов в диалог с клиентом или использование приложений ИИ в области диагностики и терапии в здравоохранении. Другим примером этого уровня является разработка цифровых двойников производственных мощностей и агрегатов для открытия новых бизнес-областей для уже существующих видов деятельности. Здесь вы можете сосредоточиться на горизонте в два-четыре года.

• Наконец, уровень горизонта 3 направляет перспективу значительно за рамки существующей бизнес-модели и ставит перед вами задачи поиска интересных вариантов использования ИИ в смежных и/или новых областях задач и инновационных бизнес-моделей. Это, безусловно, самая требовательная область анализа. Чтобы добиться успеха здесь, вы должны преодолеть знакомые шаблоны мышления и действий. Для этого может быть полезно работать вместе с сильными внешними партнерами из науки, которые занимаются передовыми разработками. Интенсивное сотрудничество со стартапами также помогает сосредоточить внимание на радикальных инновациях, основанных на ИИ. Вы можете основывать этот горизонт на периоде от трех до пяти лет.

Подход "тест и обучение" практикуется на всех трех уровнях горизонтов. Для этого соответствующие бизнес-кейсы должны быть проверены на постоянной основе. Для этого должны проводиться временные эксперименты. Таким образом, вы можете быстро определить, какие подходы могут оказаться успешными и, таким образом, обеспечить будущий потенциал для успеха. При оценке инициатив в области ИИ, коммерческие и технические менеджеры должны быть одинаково вовлечены, чтобы объединить обе точки зрения в целостный подход к оценке. Таким образом, вы можете предотвратить формирование "колодцев": технологии здесь, бизнес-кейс там.

Такие "колодцы" означали, что менеджеры, отвечающие за ИТ, цифровизацию или инновации, шли впереди в одиночку, иногда без ориентированного на цель фокуса на бизнес-кейсах. Это отчасти привело к феномену "молот ищет гвоздь". Вы можете противодействовать такому развитию целостным подходом к оценке, описанным выше. Важно обеспечить последовательную ценностную ориентацию на ИИ — вместо молодежного исследовательского подхода (ср. McKinsey, 2017a, с. 33). При внедрении следует использовать методы гибкого управления продуктами (ср. Kreutzer, 2019).

Необходимость и срочность внедрения ИИ для вашей компании можно определить с помощью адаптации бизнес-модели на основе ИИ. На канве такая концепция — четко видимая — может быть разработана (ср. подробнее Kreutzer, 2019, с. 70–74). Рисунок 10.4 показывает концепцию канвы для использования Искусственного

Интеллекта. С помощью этой концепции вы можете определить актуальность Искусственного Интеллекта для вашей компании. Преимущество этого подхода на канве в том, что вы можете хорошо использовать его на внутренних семинарах для совместной работы над темами ИИ. Если вы используете эту канву для визуализации в большом формате, идеи и предложения могут быть вставлены непосредственно в нее с помощью наклеек.

Рисунок 10.4 также показывает вопрос о том, когда можно ожидать ROI от инвестиций в ИИ. Исследование McKinsey (2017a, с. 35), проведенное более чем в 3000 международных компаний, дает захватывающие результаты в этом отношении:

• 41% компаний заявляют, что неопределенность в отношении ROI является одним из самых больших препятствий для дальнейшего внедрения ИИ.

• 26% сообщают, что убедительные примеры применения ИИ все еще отсутствуют.

Ваша срочная задача — также ответить на эти вопросы при использовании этого варианта канвы. Затем вы можете перейти к фазе 2.

10.3.2 Фаза 2: Систематическая подготовка внедрения ИИ

Важной основой для успешного использования ИИ является создание собственной экосистемы данных (ср. McKinsey, 2017b, с. 33). На основе бизнес-кейсов, определенных в фазе 1, вы начинаете с описания данных, релевантных для выбранных вариантов использования. Затем вы проверяете, какие из этих данных уже существуют в компании и какие из них ваша компания даже может иметь эксклюзивный доступ. Сравнивая целевые данные и доступность данных, вы выявите более или менее значительные пробелы в данных. Теперь начинается захватывающая задача открытия новых важных источников данных. Здесь следует рассмотреть критерии, которые необходимо учитывать при выборе данных (ср. разд. 2.4).

Нижняя часть канвы посвящена оценке и мониторингу в реальном времени. Здесь вы можете увидеть, как модель проявила себя в повседневной практике и какую ценность она может добавить.

Канва машинного обучения позволяет определить задачу для вашего приложения машинного обучения вместе с вашей командой. Это позволяет не только проработать подход, но и направление концепции, а также проиллюстрировать ее одновременно. Целевой вклад ценности намеренно расположен в центре канвы (ср. рис. 10.18).

Еще одним захватывающим примером использования механики канвы является рис. 10.19. На этой канве разговорного Искусственного Интеллекта становится ясно, в каких областях Искусственный Интеллект может достичь значительных эффектов, которые напрямую влияют на структуру затрат и доходов.

Кроме того, вам следует использовать канву платформы для вашего бизнеса. Это позволяет проверить, насколько ваша собственная бизнес-модель подвержена угрозе со стороны стратегий платформ третьих сторон, и/или есть ли у вас ресурсы для разработки собственной платформенной стратегии (ср. подробнее Kreutzer/Land, 2015, 2016; Müller, 2017, с. 186–190). Когда речь идет о концепциях платформ, мы часто сначала думаем о B2C-платформах, таких как Airbnb, Amazon, Check24, Uber & Co. Тем временем, различные B2B-платформы также утвердились. К ним относятся следующие примеры:

• Alibaba (2019): Оптовые поставки онлайн; также аренда контейнеров для транспортировки

• CheMondis (2019): B2B-онлайн-маркетплейс для химикатов

• Kaa (2019): Гибкая открытая IoT-платформа

Рисунок 10.19 Концепция канвы бизнес-модели для разговорного Искусственного Интеллекта (Рисунок авторов)

структуры для поддержки успешных инновационных действий (в смысле инновационного двигателя). Здесь снова становится видна релевантность термина амбидекстрия, описанного в разделе 10.1.

Для этого вы должны определить, насколько ваша организация может развиваться в долгосрочной перспективе в направлении двойной организации с частями, описанными на рис. 10.21 (ср. Коттер, 2014, с. 20–24).

Необходимо убедиться, что сочетание двигателя производительности и двигателя инноваций существует не только избирательно, но и что между обеими областями существует партнерство. Предпосылкой для успеха этого сотрудничества является признание всеми сотрудниками двух двигателей важности другого и его ценности. Только тогда можно проследить разделение задач между двигателем производительности и двигателем инноваций по их значимости для долгосрочного выживания вашей компании. Таким образом, новые бизнес-идеи, возникающие в двигателе инноваций, незаменимы для устойчивого корпоративного развития. Предпосылкой для этого является предоставление средств, генерируемых двигателем производительности.

Для успеха в этом комплексном процессе необходимо развивать корпоративную культуру и вместе с ней мышление в компании. Для этого необходимо создать доверие к Искусственному Интеллекту и его результатам на широкой основе. Объяснимый Искусственный Интеллект, описанный в разделе 1.1, имеет значение, которое не следует недооценивать. Следует иметь в виду, что людям потребуется время, чтобы адаптироваться к этому парадигматическому сдвигу. Следовательно, большое значение необходимо придавать развитию ИИ-способной культуры. Это требует не только инвестиций в развитие навыков сотрудников ИИ. Необходимо также инвестировать значительные средства в среднее и высшее руководство, чтобы они комплексно понимали возможности и ограничения Искусственного Интеллекта — и не препятствовали соответствующим предложениям и идеям своих сотрудников из-за страха неловкости (ср. McKinsey, 2017a, с. 34).

• Сегодня этот двигатель производительности должен быть противопоставлен сетевой концепции, которая может реагировать на изменения в окружающей среде гораздо быстрее — и ей позволено это делать. Термин инновационный двигатель может использоваться для этой цели. В этой области могут быть разработаны инновационные проекты радикального и/или прорывного характера — независимо от основного бизнеса компании. Центральные руководящие принципы — открытость бизнес-системы, терпимость к ошибкам и поиск будущих стратегически ценных бизнес-возможностей — независимы от собственного двигателя производительности компании.

Инновационный двигатель не обязательно должен быть интегрирован внутри собственной организации — часто этого может не быть. Близость к операционному бизнесу может оказаться контрпродуктивной для необходимого творческого процесса. Много раз доказано, что для выявления захватывающих областей применения Искусственного Интеллекта необходимо создание независимых центров инноваций. Создание и/или участие в независимых компаниях ИИ также может создать необходимую творческую свободу. Сначала инновационный двигатель, задуманный таким образом, был бы лишь относительно слабо связан с сегодняшней организацией. Связь между соответствующими инвестициями в основном существует на уровне компании.

В рамках инновационного двигателя могут быть определены различные области задач. Здесь можно работать над созданием экосистемы данных или над платформой ИИ для реализации новой бизнес-модели — не проверяя на каждом шагу, могут ли предыдущие виды деятельности быть "съедены" ею. Здесь, прежде всего, необходимо мыслить вне рамок собственной компании — отрешенно от ограничений двигателя производительности. Здесь доминирует исследование.

Пища для размышлений

Вы можете сформулировать захватывающую задачу для инновационного двигателя таким образом, чтобы идеи и концепции, которые должны быть разработаны, могли поставить под угрозу или даже разрушить бизнес-модель вашего собственного двигателя производительности.

Если вы определите такую задачу, вы вскоре столкнетесь с непониманием — по крайней мере, в начале. Но разве ваши конкуренты — особенно в виде стартапов — не действуют именно так же? Они ищут слабые места в вашем предложении, чтобы атаковать его. Или они выбирают только самые прибыльные области из вашей бизнес-модели.

Поэтому лучше выполнить эту работу самостоятельно, чтобы появились убедительные решения, прежде чем потенциальные конкуренты попытаются вас атаковать. Потому что это все еще правда:

Если ты не создашь то, что нас убивает, кто-то другой это сделает!

Это требует разрешения организационной дилеммы. Ваша задача — определить, существует ли в вашей компании желаемый и необходимый дуализм: С одной стороны, существует иерархически-механистически структурированная система управления сегодняшними операционными действиями (в смысле двигателя производительности). С другой стороны, все больше развиваются и становятся сетевыми

структуры для поддержки успешных инновационных действий (в смысле инновационного двигателя). Здесь снова становится видна релевантность термина амбидекстрия, описанного в разделе 10.1.

Для этого вы должны определить, насколько ваша организация может быть развита в долгосрочной перспективе в направлении двойной организации с частями, описанными на рис. 10.21 (ср. Kotter, 2014, с. 20–24).

Необходимо обеспечить, чтобы сочетание двигателя производительности и инноваций существовало не только избирательно, но и чтобы между обеими областями существовало партнерское сотрудничество. Предпосылкой для успеха этого сотрудничества является признание всеми сотрудниками двух двигателей релевантности другого и его ценности. Только тогда можно проследить разделение задач между двигателем производительности и инноваций по их значимости для долгосрочного выживания вашей компании. Таким образом, новые бизнес-идеи, возникающие в двигателе инноваций, незаменимы для устойчивого корпоративного развития. Предпосылкой для этого является предоставление средств, генерируемых двигателем производительности.

Для успешного завершения этого комплексного процесса необходимо развивать корпоративную культуру и вместе с ней мышление в компании. Для этого необходимо создать доверие к Искусственному Интеллекту и его результатам на широкой основе. Объяснимый Искусственный Интеллект, описанный в разделе 1.1, имеет значение, которое не следует недооценивать. Следует иметь в виду, что людям потребуется время, чтобы адаптироваться к этому парадигматическому сдвигу. Следовательно, большое значение следует придавать развитию культуры, способной использовать ИИ. Это требует не только инвестиций в развитие навыков сотрудников ИИ. Необходимо также активно инвестировать в средний и высший менеджмент, чтобы они комплексно понимали возможности и ограничения Искусственного Интеллекта — и не препятствовали соответствующим предложениям и идеям своих сотрудников из-за страха неловкости (ср. McKinsey, 2017a, с. 34).

Ящик памяти

Одним из ваших самых больших вызовов является внутреннее управление изменениями, направленное на приведение корпоративной культуры в соответствие с возможностями Искусственного Интеллекта. Почему?

Культура съедает стратегию на завтрак (Питер Друкер)

Поэтому важно вовлекать всех сотрудников в процесс использования ИИ на ранней стадии, а не представлять им fait accompli — как стратегию "бомбардировки". Вы будете успешны с лучшим приложением ИИ только в том случае, если ваши сотрудники разовьют цифровое мышление. Решения ИИ часто вмешиваются в существующие "области" и, следовательно, вызывают сильные защитные реакции (ср. Кройцер, Нойгебауэр, & Патлох, 2018, с. 197–218).

Оказывается, сильная поддержка со стороны высшего руководства необходима для успешного использования Искусственного Интеллекта — равно как и для цифровой трансформации компаний.

Пища для размышлений

У вашей организации уже цифровое мышление? Это должно быть так, потому что Искусственный Интеллект — не просто отдельный ИТ-проект, который будет развиваться несколько лет, а стратегическое направление всей компании! И влияние ИИ будет возрастать массово в ближайшие годы — и оно не обойдет стороной ни одно подразделение.

Ящик памяти

Компании востребованы на рынке для создания инновационных бизнес-моделей, чтобы не упустить возможность совершить скачок в поезде ИИ. Не ждите решений от политиков и исследований.

Кто хочет добиться успеха в области Искусственного Интеллекта, должен быть гибким, открытым и критичным!

Развивайте собственные компетенции в области ИИ рано и всесторонне, обмениваясь опытом с представителями науки и промышленности. Благодаря сотрудничеству внутри и между отраслями, вы можете сделать необходимые инвестиции. Разрабатывайте свои собственные юридически совместимые решения в обмен на политиков и изобретайте инновационные продукты и услуги в обмен на своих клиентов!

Резюме

Следующие ориентиры для проектирования вашего пути ИИ могут помочь вам сделать этот путь успешным (ср. McKinsey, 2017b, с. 9):

• Выявите интересные области применения ИИ для вашей компании.

• Установите четкие приоритеты для выбранных вариантов использования — на основе четкого бизнес-кейса.

• Не ставьте все на "лошадь ИИ" — диверсифицируйте инвестиционный риск, не теряя фокуса на прибыльных бизнес-кейсах.

• Развивайте собственные навыки в области ИИ внутри (при поддержке внешних ресурсов) — Искусственный Интеллект станет основной компетенцией, и специалисты по ИИ в дефиците.

• Храните широкий спектр данных и имейте доступ к источникам данных — данные являются топливом для создания ценности ИИ.

• Используйте в полной мере свои релевантные области знаний — только специальные знания позволяют в полной мере использовать потенциал ИИ.

• Первые шаги в трансформации ИИ — малые и быстрые: пилотные приложения, тесты и симуляции.

• Крупные предварительные инвестиции не обязательны, но: гибкость — ключ к успеху!

• Проверьте, какие из представленных концепций канвы могут лучше всего помочь вам в вашем пути ИИ.

• Реинвестируйте ресурсы, освобожденные благодаря использованию ИИ, в инновационные бизнес-модели — это не вопрос "спасения смерти", а вопрос долгосрочной конкурентоспособности!

• Использование Искусственного Интеллекта требует изменения культуры в вашей компании — открытости к сотрудничеству между человеком и машиной.

• Вовлекайте своих сотрудников на ранней стадии в концепции ИИ, участвуйте в активном управлении изменениями и говорите о возникающих опасениях и страхах.

• Прослеживаемость результатов ИИ нелегка, но к ней нужно стремиться (объяснимый ИИ).

• Доверие к результатам ИИ растет только со временем!

Библиография

33A. (2019). Примените ИИ в своей компании. https://www.33a.ai/. Доступ 12 апреля 2019.

Alibaba. (2019). Wholesales supply online. https://www.alibaba.com/showroom/shipping containers.html. Доступ 4 апреля 2019.

Amazon SageMaker. (2019). Amazon SageMaker. https://aws.amazon.com/de/sagemaker/. Доступ 29 апреля 2019.

Baghai, M., Coley, S., & White, D. (2000). Алхимия роста. Кембридж: Perseus.

Blank, S. (2015). Инновации в 50x. http://steveblank.com/2015/08/21/innovation-50x-in companies-and-government-agencies/. Доступ 29 апреля 2019.

CheMondis. (2019). Welcome to CheMondis, The B2B online marketplace for chemical. https:// www.chemondis.com/. Доступ 29 апреля 2019.

Dorard, L. (2016). От данных к ИИ с помощью канвы машинного обучения (Часть I). https://medium. com/louis-dorard/from-data-to-ai-with-the-MachineLearning-canvas-part-i-d171b867b047. Доступ 29 апреля 2019.

Govindarajan, V., & Trimble, C. (2010). Другая сторона инноваций — Как решить проблему выполнения. Бостон: Harvard Business Review Press.

Kaa. (2019). Everything an IoT platform should stand for, Next-gen Kaa Enterprise opens incredible new horizons for your IoT initiatives. https://www.kaaproject.org/. Доступ 29 апреля 2019.

Kotter, J. P. (2014). Accelerate—Building strategic agility for a faster-moving world. Бостон.

Kreutzer, R. (2019). Creative concepts, analysis and forecasting tools. В Toolbox for marketing and management. Висбаден.

Kreutzer, R., & Land, K. H. (2015). Dematerialisierung – Die Neuverteilung der Welt in Zeiten des digitalen Darwinismus. Кёльн.

Kreutzer, R., & Land, K. H. (2016). Digitaler Darwinismus – Der stille Angriff auf Ihr Geschäftsmodell und Ihre Marke, 2-е изд., Висбаден.

Kreutzer, R., Neugebauer, T., & Pattloch, A. (2018). Digital Business Leadership – Digitale Transformation – Geschäftsmodell-Innovation – agile Organisation – Change-Management, Висбаден.

Lennarz, H. (2017). Growth Hacking mit Strategie, Wie erfolgreiche Startups und Unternehmen mit Growth Hacking ihr Wachstum beschleunigen, Висбаден.

McKinsey. (2017a). Artificial intelligence, The next digital frontier? Брюссель, Париж, Шанхай, Сан-Франциско.

McKinsey. (2017b). Smartening up with Artificial Intelligence (AI)—What’s in it for Germany and its industrial sector? Франкфурт.

McKinsey. (2018). Notes from the AI frontier, Modeling the impact of AI on the world economy. Сан-Франциско.

Mercateo. (2019). Die Beschaffungsplattform für Geschäftskunden. http://www.mercateo.com/. Доступ 29 апреля 2019.

Microsoft Azure. (2019). Ihre Vision, Ihre Cloud. https://azure.microsoft.com/de-de/. Доступ 29 апреля 2019.

MindShere. (2019). Offenes IoT-Betriebssystem. https://www.siemens.com/global/de/home/ produkte/software/mindsphere.html. Доступ 29 апреля 2019.

Müller, H.-E. (2017): Unternehmensführung, Strategie – Management – Praxis, 3-е изд., Мюнхен.

Ondeso. (2019). The Industrial IT Company. https://www.ondeso.gmbh/ondeso-gmbh/. Доступ 29 апреля 2019.

Osterwalder, A., & Pigneur, Y. (2010). Business model generation. Хобокен.

Partnership-on-AI (2019). About us. https://www.partnershiponai.org/. Доступ 29 апреля 2019.

Predix. (2019). The industrial IoT platform, connecting edge to cloud, operator to analyst. https:// www.predix.io/. Доступ 29 апреля 2019.

Ries, E. (2017). The lean startup: How today’s entrepreneurs use continuous innovation to create radically successful businesses. Лондон.

Scrappel. (2019). Der digitale Marktplatz für Wertstoffe. https://www.scrappel.com/. Доступ 29 апреля 2019.

Skywise. (2019). Airbus launches Skywise – aviation’s open data platform. https://www.airbus. com/newsroom/press-releases/en/2017/06/airbus-launches-new-open-aviation-data-platform– skywise–to-sup.html. Доступ 29 апреля 2019.

TOII. (2019). Durchbruch bei der digitalen Transformation: Thyssenkrupp vernetzt seinen Maschinenpark. https://www.thyssenkrupp.com/de/newsroom/pressemeldungen/press-release 131488.html. Доступ 29 апреля 2019.

Wrobel, S., & Hecker, D. (2018). Frauenhofer-Allianz Big Data. Datezenschätze heben. В Р. Нойгебауэр (ред.), Digitalisierung, Schlüsseltechnologien für Wirtschaft und Gesellschaft (с. 261–267). Гейдельберг.

Wucato. (2019). Die Beschaffungsplattform für mittelständische Industrie- und Handwerksun ternehmen. https://www.wucato.de/de/DE/EUR. Доступ 29 апреля 2019.

Другие статьи по этой теме:

• 601 пример внедрения ИИ на производствах и преприятиях
• ИИ в корпоративном секторе
• Пособие по разработке стратегии ИИ