Созидатели ценности на базе ИИ

Глава о вариантах использования

Существует множество исследований, которые предполагают потенциал производительности, который может дать GenAI, особенно агенты. Возвращаясь к уравнениям, о которых мы говорили в прошлой главе, вы видите возможность? Но насколько она велика? Пытаться точно определить это — все равно что выбирать между пропусками за кулисы на концерт Metallica или ролью в следующем фильме о Дэдпуле — это будет эпично в любом случае, но вы понятия не имеете, от чего ваше сердце забьется сильнее. А пока давайте предположим, что GenAI может увеличить производительность на 10 триллионов долларов в течение нескольких лет и до 20 триллионов к концу десятилетия (наш консенсус, основанный на суммировании всех отчетов, с которыми мы сталкивались). Какую часть этого получит ваша компания? И это только начало: мы верим, как и почти все, кто пишет о чудесах ИИ, что это только начало никогда ранее невообразимых новых бизнес-моделей и продуктов. В конце концов, пребывание в чужом доме во время командировки казалось нелепым, пока не состоялась распроданная конференция в Сан-Франциско, и так родилась Airbnb. Так почему бы не использовать доступные сейчас преимущества производительности для тестирования и совершенствования использования ИИ, моделей управления, обучения, управления данными и тому подобного, постоянно думая о будущем?

Как бизнес-лидеры, мы постоянно сталкиваемся с важными решениями о том, как мы будем управлять рентабельностью инвестиций в наших рабочих местах. Сейчас, более чем когда-либо, мы стоим перед критическим моментом слияния гибридного облака и ИИ. Поскольку эти технологии достигают критических стадий зрелости, нам необходимо принять их, чтобы создать конкурентное преимущество и подпитать инновации.

Этот момент Netscape позволяет всем нам переосмыслить наши технологические ландшафты, чтобы максимально использовать не только эту знаменательную возможность ИИ, но и технологии, которые последуют за ней. Объединение правильных элементов будет означать разницу между лидерством в вашей отрасли или отставанием.

Бизнес-ИИ — это создание ценности, а создание ценности исходит из правильных вариантов использования. Решения, которые вы принимаете сегодня, окажут глубокое влияние на ваше завтра. В этой главе мы углубимся в варианты использования и расширим рамки, которые мы представили вам в Главе 1. Очевидно, что только об одном варианте использования в одной отрасли можно написать целую книгу, поэтому в этой главе мы постараемся еще больше развить вашу проницательность, добавив к нашей модели классификации вариантов использования, направив вас к вариантам использования, которые, по нашему мнению, являются лучшими для начала, поделившись с вами еще более отраслевыми вариантами использования и прокомментировав горизонтальность (под которой мы подразумеваем, что они пересекают вертикальные линии отраслей) вариантов использования GenAI и агентов, все это делается с целью помочь вам раскрыть гений, скрытый внутри.

Мы хотим дать вам код-подсказку для вариантов использования: лучший способ найти варианты использования GenAI для вашей отрасли — просто выполнить традиционный (или GenAI) веб-поиск. Существует, кажется, неограниченное количество статей, статей и обзоров по вариантам использования в отрасли. Консультанты (такие как IBM, Deloitte, McKinsey и другие) публикуют их в большом количестве, как и технологические компании и практики. Мы говорим вам это не потому, что не можем охватить все здесь. Честно говоря, иногда нам попадаются продавцы, которые спрашивают нас о вариантах использования для отрасли, которую они охватывают. Когда мы это слышим, мы даем им презумпцию невиновности, что они не знают этот код-подсказку. Потому что если бы они знали, мы бы просто сказали им, что они ленивы. Это звучит резко, но информации столько! Серьезно, вы будете поражены, насколько быстро вы сможете углубиться в варианты использования ИИ в отрасли, приложив совсем немного усилий.

Вспомните уравнение успеха ИИ из Главы 3: Успех ИИ = Модели + Данные + Управление + Варианты использования. Если БЯМ, данные и управление — это «каркас», то варианты использования — это «дворец», который вы создаете — истинный генератор ценности.

Кривая создания ценности на основе вариантов использования

Итак, в этой книге мы предоставили вам несколько инструментов, которые помогут вам определить варианты использования, которые были опробованы, протестированы и доказали свою эффективность. Точно так же, как у электрика есть набор инструментов (инструменты для снятия изоляции, кусачки, изолированные отвертки, тестеры напряжения и многое другое), мы даем вам инструменты вариантов использования для вашего набора инструментов ИИ, чтобы помочь вам уверенно направить вашу организацию к шокирующим (но в хорошем смысле) результатам.

На мгновение остановитесь и поразмыслите над инструментами, которые мы вам дали до сих пор. В Главе 1 мы предоставили вам набор кривых проницательности для размещения вариантов использования, схему классификации по бюджету (тратить на заработок или тратить на экономию) и наложенную схему классификации того, что будет делать ИИ (автоматизировать, оптимизировать или прогнозировать). В этом разделе мы дадим вам еще один инструмент, который поможет вам определить высокоэффективные варианты использования ИИ для вашего бизнеса.

1 У многих вызывает удивление, что прыжки с трамплина на зимних Олимпийских играх выглядят как нечто из фильмов о супергероях, но они существуют с 1800-х годов. Это событие представляет собой увлекательное сочетание чистой мощи и элегантности, поскольку участников оценивают как по дальности — они пролетают более 100 метров (~328 футов) — так и по стилю.

Посмотрите на Figure 4-1 и поставьте себя на место известного британского прыгуна с трамплина1 и народного героя-андердога Эдди «Орел» Эдвардса, только эта рампа запустит вас в ваше будущее ИИ. Ранние части этой рампы начинаются несколько осторожно (Экспериментирование). Вы набираете скорость в этой части — это называется *разбег* в прыжках с трамплина — но сбалансированная поза здесь критически важна. Не переусердствуйте; помните: ошибайтесь быстро, ошибайтесь вперед и ошибайтесь безопасно. И хотя нет сомнений, что компании, которые настроились на высокие полеты, начали свой «прыжок» с экспериментирования, слишком много компаний все еще застряли здесь (это одна из причин, по которой мы написали эту книгу). Далее вы получаете больше опыта и принимаете своего рода ИИ-аэродинамическую позу, используя некоторые техники для использования ваших данных с помощью некоторой формы тонкой настройки модели (InstructLab, LoRA и т. д.), многошагового промптинга или использования шаблона генерации с извлечением (RAG) — мы подробно описываем все это в Главе 8. А затем вы достигаете его — Точки перегиба ценности.

Figure 4-1

Figure 4-1. Компании, переходящие от +ИИ к ИИ+, часто следуют аналогичным путем к созданию ценности — Кривая создания ценности ИИ

В отличие от прыжков с трамплина, у вас есть возможность повернуть назад, но зачем вам это? На данный момент у вас такой большой импульс. Подумайте об этом: у вас есть победы, вы понимаете возможности GenAI и агентов, и у вас есть хорошее представление о факторах, по которым следует оценивать вашу платформу ИИ: выбор, эффективность и

Кривая создания ценности на основе вариантов использования | 77

прозрачность. И (надеемся) потому, что вы прочитали эту книгу, вы воспользовались открытыми инновациями (выбор) и имеете большие языковые модели (БЯМ), которые производительны для предприятия (эффективность) и безопасны для развертывания (надежность). Проще говоря, вы не можете позволить себе вернуться сюда. Если вы это сделаете, вы обманете свой бизнес и возможность полностью реализовать его потенциал. Видите ли, справа от Точки перегиба ценности на Кривой создания ценности ИИ — это место, где действительно набирается импульс, автоматизация и цифровой труд становятся катализаторами других повышений эффективности в разработке кода, помощники ИИ действительно сдвигают затраты влево, и многое другое.

И вот, как «Орел» на своей рампе, вы можете выглядеть не как профессионал мирового класса, сначала. Но как только вы взлетите, все будет о полете выше и дальше. Более того, поскольку вы прочитали нашу книгу, мы уверены, что ваше приземление (а кто сказал, что вам вообще нужно приземляться, мы так не думаем) будет лучше, чем первые прыжки Эдди!

Переход в горизонтальное приносит максимум вертикального

Глядя на Figure 4-1, вы, возможно, заметили, что варианты использования (методы) не привязаны к отраслям (вертикально); скорее, они охватывают все отрасли — короче говоря, они *горизонтальны*. Мы будем неоднократно возвращаться к этому моменту, потому что считаем критически важным думать горизонтально, прежде чем думать вертикально, когда речь идет о вариантах использования ИИ. Давайте на мгновение посмотрим (без каких-либо аналогий с лыжным спортом) на различные этапы Кривой создания ценности ИИ.

Экспериментирование

Для большинства первые проекты ИИ начинались с науки о данных и машинного обучения. Но поскольку эти методы требовали глубоких навыков и часто расширенных усилий по маркировке данных, некоторая ценность была получена, но не для всех. В большинстве случаев это была инкрементная ценность по сравнению с экспоненциальной. Варианты использования были разнообразны: некоторые были горизонтальными (исследование данных, обслуживание клиентов, персонализация в маркетинге и т. д.), а другие — отраслевыми (мошенничество при платежах, аналитика розничной торговли и т. д.). Но, как вы узнали в Главе 2, эта эпоха ИИ так и не масштабировалась, чтобы предоставить демократизированную ценность многим — возможность, которая до сих пор ждет многих.

78 | Глава 4: Глава о вариантах использования

С появлением GenAI начался новый цикл экспериментов. Внезапно экспоненциальные результаты стали более осуществимыми, учитывая сокращение усилий по подготовке и маркировке данных. Сегодня многие обнаруживают, что правильные данные, работающие с правильными моделями, могут привести к некоторым захватывающим результатам. Проще говоря, с GenAI было намного легче экспериментировать, чем с традиционным ИИ, и поэтому большинство тех, кто пробовал GenAI, рано его освоили.

Пускаем ваши данные в работу

Как ни парадоксально, самым большим активом для GenAI во всех бизнесах являются одни и те же: проприетарные данные. Поскольку компании ищут генерацию ценности из ИИ, инсайт от каждого схож: если мы сможем высвободить наши проприетарные данные, у нас есть очень реальный шанс экспоненциального воздействия (мы действительно углубимся в это в Главе 8).

Шпаргалка по БЯМ

Дополнение БЯМ вашими знаниями критически важно для получения более достоверных результатов. Предположим, вы работаете в отделе кадров и используете БЯМ для работы чат-бота по кадровой политике, а также для письменных сообщений. У вас есть корпоративное руководство, содержащее специфику по таким вопросам, как отпуск по уходу за семьей, больничные, благотворительные пожертвования, политика удаленной работы и многое другое. У БЯМ, обученной на общедоступных интернет-данных, не было бы никакого представления об этом, и вы, вероятно, не захотите публиковать свое внутреннее руководство в интернете. В этой корпоративной среде дополнение вашей БЯМ вашими данными принесет множество преимуществ и ограничит галлюцинации (тема, которую мы подробно рассмотрим в следующей главе; но БЯМ часто выдумывают вещи, когда ведут свой бизнес — представьте, что кому-то говорят, что у них 2 недели отпуска по уходу за семьей, когда они получат 26).

Использование ваших данных в работе — это внесение ваших данных в процесс GenAI (безопасным, надежным и объяснимым способом) для улучшения результатов. RAG — один из способов сделать это, и, по иронии судьбы, слова для этой аббревиатуры идеально описывают то, что он делает. В шаблоне RAG БЯМ *извлекает* данные из вашего доверенного источника, что *дополняет* знания этой БЯМ (информацией из базы данных или документа), что должно привести к лучшей генерации. Возможно, у вашей команды по управлению персоналом есть пакет «Добро пожаловать в родительство», который объясняет все преимущества, которые ваша компания предоставляет сотрудникам при пополнении семьи. Вы могли бы получить все креативные способности написания писем в неформальном стиле от вашей БЯМ, но сгенерированное письмо, скорее всего, передаст фактические преимущества, которые ваша компания предоставляет своим сотрудникам. Это похоже на предоставление вашему ИИ шпаргалки с заметками для проверки прямо перед тем, как он даст ответ (но он все еще может выдумать что-то неверное — о чем мы поговорим в следующей главе).

Переход в горизонтальное приносит максимум вертикального | 79

Автоматизация ИТ

Мы включили демаркацию Value Tipping Point на Figure 4-1, потому что это действительно тот момент, когда компании не просто *осознают*, но и *верят*, что могут автоматизировать свои технологии и операции с использованием ИИ и получить от этого большую отдачу. Это отличный пример того, на что мы намекали в начале этой главы относительно горизонтальности вариантов использования ИИ. Задумайтесь на минуту, *любая* крупная компания работает на технологиях, независимо от отрасли.

Первоначально мы написали «любая компания» (в отличие от «крупной компании»), но это расстроило одну из наших матерей, которая немного нервничала из-за того, что ИИ захватывает мир. Она возразила: «Но в лавке с лимонадом у моей соседки нет технологий!» О, правда? Джонни и Сью из соседнего дома выжимали эти лимоны голыми руками? Хорошо, мы согласимся. (По правде говоря, когда мы все услышали эту историю, мы сомневались, что эти дети вообще использовали настоящие лимоны, но мы хотели сохранить магию.) «Откуда взялись лимоны?» — спросил автор. Заявление последовало: «Из продуктового магазина, который работает на системах управления запасами, отслеживания для безопасности и логистическом программном обеспечении». На что драгоценный источник мудрости ответил: «А что, если они вырастили эти лимоны сами; у меня было лимонное дерево, когда я был ребенком». Впечатляюще! Проверяли ли они прогноз погоды, чтобы знать, стоит ли открываться или нет? Публиковали ли они что-то, связанное с их предложением освежающих напитков, в TikTok? Черт возьми, мы уверены, что эти дети принимали Venmo в качестве варианта оплаты. Обсуждение закончилось, когда мать мгновенно потеряла интерес к игривому обмену репликами, потому что уведомление от Netflix на ее iPhone предложило ей посмотреть сериал «Линкольн для адвоката», потому что она поставила две оценки «палец вверх» сериалу «Закон по Лидии Поэт». (Наконец, что-то, в чем мы согласны — оба отличные сериалы.) Короче говоря: мы написали «крупная», чтобы обратиться к одной из наших матерей, но мы имеем в виду *любой* бизнес.

Теперь подумайте о том, как большинство технологий сегодня работают для компаний, больших или маленьких. Это в основном ручной труд, поддерживаемый легионами технических сотрудников, а во многих случаях — подрядчиков и консультантов. ИИ предоставляет базовую технологию для автоматизации значительной части этой работы: безотказность системы, устранение критических уязвимостей, управление сертификатами, операции с приложениями и многое другое.

Это может вызвать вопрос: почему сейчас? Проще говоря, большая часть управления технологиями — это повторяющиеся задачи, которые необходимо наблюдать, эксплуатировать и управлять. Оказывается, ИИ довольно хорошо справляется с повторяющимися задачами, и во многих случаях он может даже исправлять технологические проблемы до того, как они станут проблемами. В этом заключается главное обещание автоматизации ИТ.

80 | Глава 4: Глава о вариантах использования

2 Цифровой сертификат — это набор электронных данных, однозначно идентифицирующих организацию. Такой сертификат содержит публичный ключ организации и цифровую подпись доверенной стороны для связывания публичного ключа с организацией. Сертификаты критически важны для нашего цифрового мира, потому что они обеспечивают доверие в отношении таких аспектов, как аутентификация, безопасные коммуникации (например, SSL) и другие протоколы безопасности. Вы используете их каждый день, но если хотите узнать больше, прочтите это объяснение.

3 Гэри Чен и Джим Мерсер, «1 миллиард новых логических приложений: больше деталей», International Data Corporation (IDC), апрель 2024 г., https://oreil.ly/n7Evl.

4 «От хаоса к наличности: как гибридный дизайн создает бизнес-ценность», IBM Institute for Business Value, декабрь 2023 г., https://oreil.ly/uhBkT.

Рассмотрим обыденную задачу поддержания здоровья сертификатов2 . Централизованная система управления здоровьем сертификатов может показаться простой задачей, но для многих это огромная головная боль, потому что сертификаты разбросаны по распределенным системам. Отсутствие централизованной видимости и зависимость от ручного отслеживания приводят к разбросанным инвентаризациям сертификатов, что увеличивает риск забытых и просроченных сертификатов. Сертификаты истекают до того, как клиенты об этом узнают, что напрямую влияет на зависимые приложения, приводя к полному отключению службы. Фактически, большинство инструментов управления сертификатами терпят неудачу, потому что каждый инструмент работает только с теми сертификатами, которыми он управляет, и очень трудно отследить сертификаты как первопричину сбоев. Масштаб и масштаб просроченных, устаревших или неправильно настроенных сертификатов огромен и может привести к множеству сбоев и рисков, нарушая непрерывность бизнеса. Просроченные сертификаты также подвергают предприятия рискам безопасности, таким как атаки «человек посередине», что означает, что хакеры могут перехватить конфиденциальную информацию. Это проблема, которую можно решить с помощью ИИ.

Возможно, сейчас самое время подумать обо всех других вещах, которые ИТ-команды делают помимо управления сертификатами, таких как кеширование сетей доставки контента (CDN), системы обнаружения вторжений и управление питанием; список можно продолжать и продолжать. Чтобы полностью оценить их (и возможность, которую предоставляет ИИ), крайне важно понять, что сегодняшние бизнес-приложения больше не являются простыми конструкциями. Вместо этого они представляют собой сложные экосистемы, построенные и управляемые с использованием множества инструментов и сервисов, развернутых в различных облачных и локальных средах. ИИ может помочь вам сейчас, но в будущем у вас просто не будет выбора. Почему мы так говорим? Попробуйте осмыслить эту сногсшибательную статистику, которой поделился с нами аналитик IDC3 : к 2028 году будет создано более миллиарда новых логических приложений! Хотя это выходит за рамки этой книги, этот факт убедительно свидетельствует о том, что директорам по ИТ необходимо принять гибридный подход4 при своей трансформации. Подумайте об этом: GenAI и гибридное облако — все это о данных. Данные гибридны по местоположению и типу. Гибридный подход позволяет максимально использовать ваши данные, что позволяет максимально использовать ваши модели. Вместе они действуют как бизнес-усилители и являются предпосылкой для продвижения цифровой трансформации.

Переход в горизонтальное приносит максимум вертикального | 81

5 Пол Кунерт, «IBM говорит о сокращении расходов, включая „Перебалансировку рабочей силы“», The Register, 25 января 2024 г., https://oreil.ly/lN1T2.

Проще говоря, по мере вашего продвижения в автоматизации ИТ, она оптимизирует технологические затраты. Ваша компания попала в ловушку, где общедоступное облако не оказалось таким очевидным шагом по сокращению расходов, как они думали? Используйте автоматизацию ИТ для выполнения этих рабочих нагрузок в среде с более низкими затратами. Недоиспользованное приложение? Используйте автоматизацию ИТ для переноса неиспользуемой емкости на другое приложение. Возможности безграничны, именно поэтому это точка перегиба в создании ценности.

У IBM есть инициатива по автоматизации под названием «Клиент ноль» — задача от генерального директора по достижению ценности для компании в размере 3 миллиардов долларов5 за счет экономии производительности с использованием ИИ и инкапсуляции этих путей в шаблоны для клиентов. Это невероятный проект, потому что мы предоставляем реальные результаты нашим клиентам, подкрепленные сообщением о том, что мы сами успешно достигли этого. Но есть нечто большее: IBM, безусловно, столкнулась с неудачами, проблемами и сложностями, и это, в свою очередь, проложило путь к ее успехам и росту в этих проектах. Таким образом, IBM также делится с клиентами уроками (да, даже тяжелыми), чтобы клиенты могли развиваться быстрее, с большей уверенностью и с меньшим количеством неудач на своих собственных путях.

Эта книга не о IBM, и у нас нет места, чтобы рассказать обо всех проектах, которые помогли нам справиться с задачей генерального директора, но некоторые статистические данные только из проекта автоматизации ИТ (были проекты ИИ для HR, продаж, разработки, управления площадками недвижимости и многое другое) стоит отметить:

• 80% основных проблем ИТ теперь решены и контролируются ИИ
• Увеличение показателя чистого продвижения (NPS) на 25 пунктов в поддержке клиентов
• 165 миллионов долларов в год сэкономлено на операциях
• Сокращение расходов на демонстрационную платформу TechZone на 66%
• Сокращение времени на развертывание демонстрационной среды на 85%
• 45 000 автоматизированных действий с ресурсами в месяц
• И многое другое

Уделите минутку, чтобы снова просмотреть этот список. Во-первых, поймите, что все эти числа будут сильно устаревшими (по консервативным оценкам) к тому времени, когда вы прочитаете эту книгу. Это важный момент, который нельзя забывать, потому что эти «победы» продолжают приносить прибыль. Во-вторых, где-то в этом списке есть болевая точка, которая бросается вам в глаза, и теперь вы знаете, что у вас есть доступ к шаблону, который можно использовать.

82 | Глава 4: Глава о вариантах использования

6 «Поддержка кодирования от ИИ», McKinsey & Company, 21 июля 2023 г., https://oreil.ly/xfG1I.

7 Самия Кабир и др., «Устарел ли Stack Overflow? Эмпирическое исследование характеристик ответов ChatGPT на вопросы Stack Overflow», Труды конференции CHI по человеческим факторам в компьютерных системах (CHI ’24), arXiv, 2023 г., https://arxiv.org/pdf/2308.02312.

Мы понимаем, автоматизация кажется скучной. Это не то, что напрямую видят ваши клиенты, но они оценят ее, потому что вы будете тратить больше времени на них, думая о решении их проблем, или о том, как сделать ваши продукты или услуги лучше. Из внутренней перспективы вы станете героем для своих сотрудников. Мы, авторская команда, однажды за завтраком обсуждали, как легко зайти в AskIT и получить большинство наших ИТ-проблем решенными, или по крайней мере быстро открыть и решить заявку с минимальными усилиями. Почему? Вы поняли: автоматизация ИТ.

Код — язык компьютеров

ИИ меняет творческий процесс не только для писателей и художников, но и для разработчиков программного обеспечения. Поскольку языки программирования развиваются, разработчики программного обеспечения постоянно востребованы для обновления приложений в соответствии с современными ожиданиями. Это отличный вариант использования, который не очевиден для тех, кто не связан с ИТ. Почему? Потому что, когда большинство (не технарей) думают о языке, они справедливо думают о том, как люди общаются друг с другом (или даже со своими питомцами). Но если вспомнить Главу 2, мы говорили о том, как, когда вы начинаете смотреть на вещи — и, возможно, немного прищурившись — все становится языком. Если смотреть на это так, то кодирование, безусловно, является языком. Будь то COBOL, Java, Go или Python — точно так же, как люди могут быть полиглотами (говорящими на нескольких языках), так и компьютеры и программист, который с ними разговаривает. Мы, люди, говорим с компьютерами, используя множество разных языков, так же, как мы говорим с другими людьми, используя множество разных языков. В конце концов, по мере автоматизации технологий и операций таланты могут быть перенаправлены на более ценные виды деятельности — одним из которых всегда будет новая разработка.

Мы знаем, что между опытными программистами и новичками ведется жаркая дискуссия о ценности помощников для кодирования. Действительно, мнения разнятся. McKinsey6 отмечает, что помощники по кодированию на базе ИИ могут сэкономить разработчикам 35-45% времени при генерации кода (только 10% для высокосложных задач). Но есть и реалисты, и противники. Например, команда из Департамента компьютерных наук Университета Пердью рассмотрела 517 вопросов Stack Overflow и обратилась к ChatGPT, чтобы ответить на них, в качестве теста на последовательность, правильность и краткость ИИ для этой задачи. Они обнаружили, что 52%7 ответов ChatGPT на вопросы по программированию были неверными, а 77% — многословными. Более того, существуют божественные программисты (например, Джейсон Холл из игровой компании Pirate Software), которые отмечают, что хотя ИИ быстро генерирует код, отладка этого кода занимает гораздо больше времени, чем отладка кода, сгенерированного человеком.

Переход в горизонтальное приносит максимум вертикального | 83

Команда Пердью также провела лингвистический анализ 2000 случайно выбранных ответов ChatGPT и обнаружила, что они «более формальные и аналитические», но при этом демонстрируют «менее негативные настроения». Если вы когда-либо пользовались публичным форумом для получения помощи по проблеме программирования, вы это оцените. Для тех из вас, кто не программирует, это кажется своего рода посвящением для разработчика — задать «глупый» (для кого-то другого) вопрос, только чтобы получить насмешку от того, кто, вероятно, писал на ассемблере в 15 лет. Пропустили что-то в почти 100 комментариях к посту? Готовьтесь к RTFM (в наших кругах это означает «читайте полное руководство», но нам говорили о других определениях) с безумным эмодзи-ответом. Другими словами, «нет глупых вопросов» не равносильно принято на форумах помощи разработчикам.

Мы считаем, что ИИ будет очень полезен для разработчиков, но это требует изменения подхода к тому, как большая часть мира подходила к помощникам по кодированию на базе ИИ. Во-первых, мы хотим отметить, что генерация кода на базе ИИ со временем будет улучшаться, поскольку технологии развиваются. В этом нет никаких сомнений. Сказав это, ключевой вопрос для раскрытия ценности ИИ в этой области, который мы призываем всех задать: «Какие данные использовались для обучения модели, которую вы используете для помощи своим программистам?» Был ли это скребок любых фрагментов кода на Reddit, Stack Overflow, GitHub и других репозиториях? Видели ли вы, откуда взялись данные? Это очень важные темы, которые мы обсуждаем в этой книге, уделяя им особое внимание в Главе 5. В конце концов, многие коды, которые мы получаем из этих ресурсов, предположительно работали, но сейчас не работают. Если вы знаете, вы знаете.

Но что насчет моделей, которые целенаправленно созданы с прозрачными данными для конкретной задачи? Например, watsonx Code Assistant for Ansible Lightspeed целенаправленно создан только для помощи в создании Ansible playbook в YAML. Его обучающие данные поступают буквально из сотен тысяч опытов Red Hat — основных разработчиков Ansible — с их корпоративным предложением Ansible Automation Platform. Подумайте об экспертизе и корпусе, которыми обладает компания, такая как Red Hat, при написании Ansible Playbook, поскольку их повседневная работа — это корпоративные развертывания с помощью Ansible. Добавьте к этому данные из модерируемого и открытого сообщества (Ansible Galaxy), и вы получите довольно хороший набор размеченных (проверяемо работающих) и объяснимых (вы знаете, откуда они взялись) данных для создания модели, которая может питать очень способного помощника по кодированию на базе ИИ для генерации Ansible Playbook.

Возвращаясь к инициативе IBM «Клиент Ноль», большая часть всех этих эффективных развертываний была достигнута благодаря Ansible. Используя watsonx Code Assistant for Ansible Lightspeed, разработчики playbook имели 70% уровень принятия предлагаемого кода. Это огромно! Внедренный только для патчинга операционной системы, IBM добилась снижения времени на патчинг систем на 93%. И теперь вы знаете, почему эти ИТ-заявки решаются быстрее, что создало больше времени для размышлений, позволяя этим техническим командам

84 | Глава 4: Глава о вариантах использования

9 В ИИ, когда люди говорят о «парных» данных, они имеют в виду данные, которые правильно связаны в пары — это отличительная черта хороших обучающих наборов данных для ИИ. Например, если у вас есть идеально переведенное предложение на английском, французском, греческом, итальянском и испанском... это было бы отличным обучающим материалом для переводчика на базе ИИ для этих языков. Аналогично, наличие блока кода, который отлично и эффективно работал в COBOL и в Java, составило бы отличный фрагмент данных для обучения ИИ для задач преобразования кода COBOL в Java.

сосредоточиться на более сложных проблемах, вместо того чтобы тратить время на рутинное действие по обеспечению патчинга CVE-2022-0847 (проблема Dirty-Pipe в ядре Linux) на всех серверах.

Есть еще кое-что, что мы подробно рассмотрим в Главе 7, но стоит отметить прямо сейчас: модель, используемая для поддержки этого помощника по кодированию, в 33 раза меньше, чем некоторые другие модели, с которыми вы, вероятно, знакомы, когда речь идет о поддержке генерации кода с помощью ИИ. Гораздо более точная и меньшая модель (что означает отсутствие дорогих графических процессоров для заказа, *и* вы можете запустить ее на ноутбуке, если захотите) — это то, что, по нашему мнению, будет более распространено в будущем, когда речь зайдет о GenAI в целом, а также о помощниках по кодированию.

Итак, теперь, когда вездесущая генерация кода с помощью ИИ вышла из моды, есть и другие аспекты разработки кода, о которых мы хотим, чтобы вы подумали — кодирование — это не только генерация кода. То же исследование McKinsey, которое мы цитировали, также говорило об использовании помощников по кодированию на базе GenAI для рефакторинга кода, документирования кода и ответов на вопросы по коду.

Мы все работали в лабораториях разработки IBM в то или иное время и видели потрясающий код, который не только хорошо написан, но и, что не менее важно, хорошо документирован. Сказав это, мы также видели много того, что мы называем «спагетти-кодом»; он запутан (все еще может быть хорошим кодом), и разобраться в нем труднее, чем платить налоги. Правда в том, что поддержание хорошо комментированного и структурированного кодовой базы сложно по множеству причин (текучесть кадров, подрядчики, выход на пенсию, дополнительные задания — это наименее важная вещь в умах многих разработчиков, которые считают себя Моцартами кода). Ирония в том, что чем сложнее кодовая база, тем меньше она документирована. Автоматизация суммирования кода может освободить время разработчика для сосредоточения на задачах с более высокой ценностью, и точно так же, как GenAI мог сгенерировать первый черновик сообщения клиенту, он может сгенерировать начальную документацию. Помните, это все еще требует разработчика в цикле для проверки, но это *сдвигает влево* работу по начальным комментариям и позволяет разработчикам перенести большую часть времени на размышления и ввод текста на проектирование и прототипирование новых функций. Более того, по мере тонкой настройки вашей БЯМ вы получаете консистентность и набор стандартов в отношении стиля написания этих комментариев.

Но есть и последующие преимущества хорошо документированного кода. БЯМ позволяют вам разговаривать с «вещами», такими как контракты, законодательство и, угадайте что, кодовые базы. Представьте себе, что вы новый разработчик, только что нанятый и назначенный на новый проект, и вы хотите знать, как работает функция processOrder() и с какими частями системы она взаимодействует. Или, возможно, где определенный путь кода используется в другом месте кодовой базы. Просто спросите ИИ, который стоит перед кодовой базой — это может значительно ускорить адаптацию, но при этом использовать модель парного программирования.

Переход в горизонтальное приносит максимум вертикального | 85

8 Существует несколько вариантов этой модели. Например, в методологии экстремального программирования (XP) это два равно квалифицированных программиста, которые чередуют роли водителя и навигатора, чтобы поддерживать высокий уровень вовлеченности и не допускать монотонности и усталости — подумайте об этой схеме как о пробеге из Land’s End до John O’Groats на надежность.

Парное программирование в эпоху GenAI

Модель парного программирования — это совместная практика разработки программного обеспечения, при которой обычно один новичок (известный как *водитель* — он пишет код) сидит рядом с более опытным разработчиком (известным как *навигатор*), который просматривает код по мере его написания и мыслит критически в масштабе всей программы. Традиционно они сидели за одним столом, но в условиях гибридной рабочей силы это не так просто, как раньше. Этот подход8 призван повысить качество кода, способствовать обмену знаниями и улучшать совместную работу. Эта модель может быть очень утомительной для опытного разработчика, но преимущества огромны. Это трудный компромисс. А что, если БЯМ инкапсулировала бы знания опытного разработчика и взяла бы на себя роль постоянного парного программиста для вашего нового сотрудника? Опытный разработчик по-прежнему был бы доступен, еженедельно встречался бы с новым сотрудником, но ИИ взял бы на себя некоторые аспекты постоянного наблюдения за рабочим процессом. Более того, это также позволяет использовать более современную стратегию рабочего места — признавая, что отличные программисты могут находиться где угодно — и, возможно, не могут делиться физическим столом или даже работать в одно и то же желаемое время в гибридной рабочей среде; такая настройка может помочь вашему младшему программисту работать где угодно и когда угодно.

Существуют и другие факторы, которые превратили документирование кода в такую большую проблему. В вихре спринтов, который представляет собой мир Agile-разработки, разработчики подобны взвинченным хомячкам, бегущим по бесконечному колесу кодера, выполняя безостановочный цикл: код, тест, выпуск... код, тест, выпуск... снова и снова. И поскольку никто не будет действительно читать их документированный код в лучшем случае через несколько месяцев, он откладывается на второй план. Но хорошее документирование кода — это *обязательное условие* для любой команды разработки. Фактически, мы считаем, что оно играет решающую роль в разработке программного обеспечения. Конечно, есть очевидное: это помогает другим разработчикам — которые могут быть частью его цепочки ответственности — обновлять или просматривать его. Но это также способствует сотрудничеству и обмену знаниями между командами. McKinsey обнаружила, что это самая большая область, где ИИ может помочь — ссылаясь на преимущества в диапазоне сокращения времени от 45% до 50%. IBM также нашла много преимуществ в этой области, но мы оставим вас в ожидании результатов до Главы 6, где мы поговорим о решении, которое возникло из IBM skills challenge. Но подождите, вы, возможно, подумали, что прочитали, что разработка программного обеспечения будет автоматизирована ИИ. Действительно, ИИ создает ценность в генерации кода, завершении кода и создании документации, но это не вся работа, которую нужно сделать. Новая разработка начинается с тезиса: какие приложения улучшат наш бизнес? Сосредоточены ли мы на удержании клиентов? На росте выручки? На улучшении обслуживания клиентов? Как мы модернизируем наши устаревшие приложения?

86 | Глава 4: Глава о вариантах использования

Эти мыслительные процессы не могут быть выполнены ИИ, но создание решений для их решения, безусловно, может быть дополнено ИИ. Например, многие компании зависят от транзакционных систем для работы своего бизнеса и хотят модернизировать (или, по крайней мере, понять) критические части своей кодовой базы, которая обеспечивает бесперебойную работу бизнеса. ИИ может быть использован для обнаружения и понимания старого кода, который не был хорошо документирован; но еще более вероятно, что никто понятия не имеет, как работает код, который запускает наиболее критически важную часть вашего бизнеса! Как мы говорили в Главе 3, эта корпоративная амнезия, усугубляемая наступающим Серебряным Цунами, является большой проблемой, с которой сегодня сталкиваются многие компании.

Вам нужно понять свои монолитные приложения, чтобы что-либо с ними сделать, поэтому любой проект модернизации должен начаться с распутывания корпоративной амнезии. Это крупный вариант использования ИИ, который не имеет ничего общего с actual code writing, но имеет все общее с вашим кодом. Сказано, что картинка стоит тысячи слов, поэтому мы вручную нарисовали (мы лучше в ИИ, чем в искусстве), как ИИ может помочь на Figure 4-2.

Figure 4-2

Figure 4-2. Распутывание корпоративной амнезии

Крайний левый сегмент Figure 4-2 представляет позицию, в которой многие находятся сегодня: много загадочного кода, не сильно отличающегося от клубка запутанной пряжи. IBM увидела (и решила) эту очень проблему для многих своих клиентов с мейнфреймами, у которых есть большие монолитные приложения с взаимозависимыми функциями, которые многократно обновлялись на протяжении лет. Вы можете представить себе аналогичный беспорядок в других фреймворках. Например, в Java Hibernate, Spring и Enterprise Java Beans (EJBs) у каждого свои «клубки пряжи».

Независимо от того, на каком технологическом стеке вы работаете, если вы крупная компания с миллионами строк кода, сотнями зависимостей и устаревшей документацией, ваши разработчики могут тратить недели или месяцы, пытаясь понять все изменения, необходимые для модернизации блока кода, чтобы его можно было рефакторить (и, возможно, перенести) для масштабирования для

Переход в горизонтальное приносит максимум вертикального | 87

гибридной облачной среды. И после всей этой работы нет никаких гарантий, что их обновления ничего не сломают из-за плохого кода или потому, что они что-то упустили.

Хорошая новость в том, что ИИ может быть использован и здесь. Например, многие крупные компании все еще используют код COBOL для работы своего бизнеса. Эта кодовая база надежна, но клиенты, которые хотят что-то изменить или модернизировать части ее, чувствуют себя так, будто играют в дженгу — только вытаскивание неправильного куска приведет к обрушению бизнеса, а не кучки деревянных блоков. ИИ помогает этим клиентам обнаруживать и идентифицировать код, что он делает, как он связан и многое другое. Фактически, IBM создала инструмент на базе ИИ именно для этой цели, который называется Application Discovery and Delivery Intelligence (ADDI). Как показано в середине Figure 4-2, ADDI — это инструмент анализа, который помогает визуализировать приложения, данные и задачи на мейнфрейме. ADDI позволяет архитекторам и разработчикам обнаруживать зависимости одним кликом, уверенно вносить изменения и поддерживать документацию в актуальном и точном состоянии. Когда вы подумаете об этом, ADDI подобен идеальному инструменту для распутывания пряжи для разработчиков, который помогает им устранить корпоративную амнезию. Он работает как любопытная кошка, лапающая клубок пряжи, и неустанно анализирует приложения и сопоставляет их зависимости; короче говоря, он распутывает хаос и превращает его во что-то осмысленное. К моменту, когда вы достигнете правой части Figure 4-2, у вас будет полное понимание приложения (благодаря сгенерированным метаданным), которое вы сможете представить своим начальникам как трофей (только остерегайтесь кошки, которая может захотеть забрать ваш клубок пряжи).

Что написано на трофее, который вы выиграли благодаря ИИ? Уверенность! Теперь вы можете смотреть на части этой головоломки Дженги по-разному. Возможно, вы сосредоточены на области приложения, которую хотите модернизировать для другого метода взаимодействия — теперь у вас есть инсайты о том, что произойдет, если что-то пойдет не так с этим блоком кода или от чего зависят другие части бизнеса. Возможно, у вас предстоит много выходов на пенсию, и ваша миссия — обеспечить, чтобы код не оказался уязвим из-за их отсутствия, поэтому вы сосредоточены на снижении этого риска путем повышения квалификации кого-то, чтобы взять на себя этот участок кода, и планировании своего пути модернизации этого блока кода на другое время, если вообще. В реальности, это обычно смесь всего. Какой-то код вы захотите оставить как есть, а какой-то — модернизировать по разным причинам.

Сравните это с тем, как некоторые клиенты подходят (потому что им так сказали поставщики) к модернизации своего кода COBOL с использованием GenAI. Во-первых, они пропускают важную часть: понимание. Это создает ненужный риск — представьте себе, что вы ремонтируете свой дом без архитектурных чертежей, чтобы понять, как он был построен и его опорную структуру! Мы слышали о клиентах, которые берут общедоступный помощник по кодированию на базе ИИ, чтобы забрать некоторые copy books или фрагменты кода COBOL и перенести их в Java. Отступите назад

88 | Глава 4: Глава о вариантах использования

9 В ИИ, когда люди говорят о «парных» данных, они имеют в виду данные, которые правильно связаны в пары — это отличительная черта хороших обучающих наборов данных для ИИ. Например, если у вас есть идеально переведенное предложение на английском, французском, греческом, итальянском и испанском... это было бы отличным обучающим материалом для переводчика на базе ИИ для этих языков. Аналогично, наличие блока кода, который отлично и эффективно работал в COBOL и в Java, составило бы отличный фрагмент данных для обучения ИИ для задач преобразования кода COBOL в Java.

на мгновение и спросите себя, сколько высококачественных пар кода COBOL/JAVA9 доступно там, готовых к скрейпингу (с разрешением или без). Ответ: не очень много. Как оказалось, многие из этих клиентов в итоге получили «JOBOL» — некачественный код, который не совсем работал, был плохо документирован, трудно модифицировался, и любой ремонт, который его не ломал, занимал больше времени.

И точно так же, как это было с Ansible, IBM создала watsonx Code Assistant for IBM Z для поддержки модернизации мейнфрейм-приложений. Но этот продукт предназначен не только для миграции кода. ADDI был создан для поддержки полного жизненного цикла разработки кода (Понять, Рефакторинг, Преобразовать, Проверить, Рекомендовать, Наблюдать). Этот продукт имеет встроенную автоматизацию, которая понимает (метаданные), затем идентифицирует бизнес-сервисы для смешивания и сопоставления, чтобы извлечь и рефакторить код — после всего этого, наконец, приходит время миграции кода. Видите разницу? Как ни иронично, и это большое свидетельство продуктовых менеджеров, которые разработали этот продукт и действительно поняли потребности своих клиентов, многие клиенты используют этот продукт только для функции обнаружения и понимания!

Как это решение позволяет достичь такой эффективной модернизации приложений на базе ИИ и их обнаружения на мейнфрейме, в то время как другие сталкиваются с плохой производительностью? Подумайте об этом. В IBM работают программисты, владеющие COBOL и Java, которые создали тысячи пар функционально эквивалентных программ для мейнфрейма, используя оба языка. В частности, watsonx Code Assistant for IBM Z был обучен на тысячах пар реальных корпоративных программ на COBOL и Java для создания высококачественного кода, свободного от JOBOL.

ИИ для кода — это только начало. В конечном итоге, мы считаем, что помощники по кодированию на базе ИИ — это как то, что Porsche имела в виду, когда в 1990 году представила свою трансмиссию Tiptronic (которая с тех пор развилась до PDK: Porsche Doppelkupplung). По сути, эта трансмиссия дала водителям возможность испытывать острые ощущения от стандартного/ручного управления, если они хотели, удобство автоматического управления, или что-то среднее (и с безопасностью: если вы ведете этот автомобиль вручную и совершили ошибку при переключении передач, которая повредила бы автомобиль, автоматика предотвратила бы это). Мы считаем эту аналогию отличной. Вы новичок в программировании и хотите начать? Вот немного кода. Вы опытный программист, который пишет настолько чистый код, что его буквально слышно, когда его запрашивают на слияние с основной веткой? Отлично, пусть он сгенерирует простые вещи или просто задокументирует тот божественный код, который вы только что написали. Вы совсем новичок в компании и просто хотите спросить ИИ о коде? Вперед. Или, возможно, вы опытный программист, но вам дали фрагмент древнего, критически важного для бизнеса кода (мы смотрим на вас, систему расчета зарплаты) и вы не уверены, что

Переход в горизонтальное приносит максимум вертикального | 89

сломается, когда вы перенесете его с COBOL на Java. Независимо от этого, думайте об этих помощниках не просто как о писателях кода, а используйте их как трансмиссию Porsche. Мы уверены в одном: GenAI изменит опыт разработчиков.

Цифровой труд и помощники ИИ

Большинство людей хотели бы нанять помощника: кого-то, кто выполнял бы задачи, которые они не хотят делать, которые повторяются по своей природе или, возможно, просто слишком сложны. Проблема в том, что нанимать еще одного человека слишком дорого. Вступите в мир цифрового труда.

В прошлом термин «цифровой работник» описывал сотрудника-человека с цифровыми навыками. Сегодня, когда вы используете это слово, его определение сводится к категории программных роботов (не тех, которых вы видите в фильмах, они уже близко, но еще не здесь), обученных выполнять определенные задачи или процессы в партнерстве со своими человеческими коллегами — часто называемых ботами. Мы определяем цифровой труд как основанный на программном обеспечении труд, который может самостоятельно выполнять значимые части сложных сквозных процессов, используя различные навыки.

Цифровой труд может использовать возможности ИИ для выполнения последовательности задач в рамках заданного рабочего процесса. В частности, цифровые сотрудники (боты) используют возможности ИИ, такие как обработка естественного языка, агенты и GenAI (среди прочего), для взаимодействия и общения, мышления и рассуждения, последовательного выполнения навыков на лету и использования этих навыков в контексте путем поддержания рабочей памяти о прошлых взаимодействиях. Работники знаний (мы, люди) могут затем инструктировать, обучать и делегировать работу этим цифровым сотрудникам. Эти делегирования могут варьироваться от автоматизации и ускорения простых задач до помощи в принятии более сложных решений. Например, цифровой работник по работе с кредиторской задолженностью может самостоятельно выполнять части четырех традиционных должностных ролей — представителя службы поддержки клиентов, агента по выставлению счетов, оператора кассы и решателя споров — для завершения процесса «заказ-наличные» (OTC). Поскольку цифровые работники увеличивают пропускную способность своих человеческих начальников, они в значительной степени были внедрены в рамках усилий по цифровой трансформации («сдвиг влево»), позволяя компаниям перераспределять свою рабочую силу на более стратегические задачи («сдвиг вправо»).

Вы, безусловно, испытали взлеты и падения чат-ботов — некоторые блестящи и действительно могут делать вещи как человек без ожидания (хорошо), другие не могут сделать почти ничего, кроме двух-трех задач (плохо), а третьи настолько бесполезны, что чувствуешь себя, как при навигации по бесконечному телефонному меню, только чтобы услышать: «Извините, мы закрыты» (ужасно).

В век, когда мгновенное удовлетворение стало ожидаемым, потребители (и, честно говоря, ваши сотрудники) требуют быстрых, если не немедленных, ответов на свои вопросы и проблемы. Бизнесы знают, что отличное обслуживание клиентов жизненно важно для их долгосрочного успеха. К счастью, технологии развиваются в ногу со временем, и цифровая революция и ИИ помогают полностью переосмыслить колл-центры с помощью цифрового труда.

90 | Глава 4: Глава о вариантах использования

10 Департамент транспорта Орегона, «Рабочая группа №1: Возвращение к основам технического обслуживания и сохранения материалов ODOT», 2024 г., https://oreil.ly/KKrVS.

Помощник на базе ИИ, работающий на цифровом труде, — это отличный горизонтальный вариант использования, потому что какой бизнес не имеет интерфейса для своих клиентов или сотрудников (если они его не имеют, то *должны* иметь)? Почему это так убедительно? Вспомните, что мы делились ранее: если сотрудник-человек поднимает трубку, чтобы ответить на звонок, это обычно обходится примерно в 5 долларов за простой случай; если цифровой сотрудник обрабатывает этот звонок, это обходится примерно в 0,25 доллара.

Например, Департамент транспортных средств Орегона (DMV) внедрил цифровой труд, чтобы помочь справиться с огромными скачками объема звонков, которые они пережили во время пандемии COVID-19. В течение нескольких недель они отклоняли около 30%10 базовых вопросов, которые получали. Эти цифровые сотрудники освободили время сотрудников-людей для обработки более сложных звонков и помогли сократить время ожидания. DMV Орегона отметило, что эти усилия сэкономили им почти 3 миллиона долларов (2-летняя стоимость около 30 работников) и сократили время ожидания клиентов. Вау!

Еще один момент сдвига влево во время пандемии был с CVS, ведущей американской компанией по решениям в области здравоохранения. Хотя она предлагает множество каналов взаимодействия в области здравоохранения, таких как страховые и оздоровительные ресурсы, она, вероятно, наиболее известна как аптека. До пандемии у CVS было около 40 000 магазинов и в среднем 150 000 звонков в день. Как и у DMV Орегона, COVID резко увеличил объем звонков. CVS задействовала цифровую рабочую силу, чтобы помочь обработать миллионы и миллионы звонков с использованием ИИ. С значительными показателями двукратного отклонения звонков, CVS модернизировалась, чтобы обрабатывать более четырех раз объем звонков по сравнению с прежним, экономя ошеломляющую сумму денег в день.

Мы делимся этими двумя примерами не только потому, что мы с ними хорошо знакомы (они были созданы с использованием технологии IBM), но и потому, что они показывают, что вы можете работать с меньшим государственным агентством или очень крупной компанией, или где угодно между ними, и заставить цифровой труд работать на вас. И поскольку они относятся к эпохе пандемии, это говорит вам о том, что эти преимущества ИИ были доступны вам уже некоторое время. Агенты поднимут такие решения на новый уровень. Теперь возникает вопрос: что делает ваша компания сейчас?

Camping World — это американская компания, которая продает рекреационные транспортные средства (RV) и запчасти для RV. Она хотела высвободить больше времени для своих агентов, чтобы они могли вести значимые и впечатляющие беседы со своими клиентами. Это означало удаление из очереди живых агентов базовых, быстрых и простых запросов, на которые можно было бы быстрее ответить с помощью автоматизации. Camping World задействовала некоторую технологию цифрового труда IBM, и ее работники-люди добились повышения эффективности на двузначное число, в то время как время ожидания для клиентов, чтобы поговорить с кем-то по телефону, когда человек действительно был нужен для помощи с проблемой, снизилось до всего 33 секунд! Хотя это не оставило клиентам времени для размышлений о жизни (они могут наверстать упущенное во время кемпинга), это сделало их счастливее, поскольку показатели вовлеченности Camping World подскочили на 40%.

Переход в горизонтальное приносит максимум вертикального | 91

Еще один пример — парикмахерские Sport Clips. У них уникальный подход к стрижкам: в салонах везде стоят телевизоры, где транслируются все виды спорта, какие только можно представить, пока вы стрижетесь в MVP-стиле. У Sport Clips масштабный план расширения франшизы, который включает увеличение штата на целых 30%, чтобы достичь целей роста бизнеса. Компания поделилась с нами проблемой: где наши франчайзи могут найти людей, которые смогут работать в их салонах и обеспечить этот чемпионатный уровень стрижки? Команда франшизы Sport Clips хотела дать своим франчайзи уверенность, что когда они приступят к работе, они смогут найти персонал, который справится с непослушными волосами, как линейный защитник НФЛ, и сделает каждую стрижку на счет. Короче говоря, Sport Clips нужно было дать своим франчайзи инструменты, необходимые для начала работы их франшиз. Команда Sport Clips использовала watsonx Orchestrate для создания работников цифрового труда и сократила процесс поиска кандидатов с трех часов до трех минут.

Очевидно, что для этого всего вам не нужна технология IBM. Не поймите нас неправильно: мы были бы рады, если бы вы ее использовали, и мы искренне верим, что платформа GenAI от IBM решает все проблемы, о которых вам нужно думать. Но в качестве примера, не связанного с IBM, Klarna11 объявила в начале 2024 года, что она заключила партнерство с конкурентом IBM, чтобы задействовать цифровой труд для своей команды обслуживания клиентов; сегодня ИИ обрабатывает две трети звонков (скорость, аналогичная CVS), что привело к сокращению повторных запросов на 25% и выполняет работу, эквивалентную 700 штатным сотрудникам, позволяя персоналу сосредоточиться на более сложных задачах. Это большой сдвиг вправо для людей!

Видите закономерность? От найма парикмахеров до кемпинга на колесах, до получения информации о рецепте, до получения водительских прав на RV — и всех частей между ними — цифровой труд может помочь любому бизнесу, почти в любой задаче, для любой отрасли. Вот почему мы так настаиваем на горизонтальном мышлении при использовании вариантов использования GenAI. Каждая компания может получить помощь в найме, обслуживании клиентов, предоставлении информации и многом другом. Именно поэтому мы сказали вам разбить свои бизнес-процессы на наименьшие общие знаменатели с помощью нашего совета по вариантам использования из Главы 1 — потому что это дает вам высшую ясность относительно того, где могут быть созданы цифровые сотрудники, чтобы помочь работникам-людям в рабочем процессе и вывести вас на ИИ+.

Представьте себе, что каждый человек в вашей организации дополнен 10 цифровыми работниками. Фактически, нет причин останавливаться на 10; их может быть 100. В Главе 1 мы сказали: «сдвиньте влево, чтобы вы могли сдвинуть вправо». Речь идет о построении автоматизации на ранней стадии рабочего процесса или «работы, которую нужно сделать». ИИ отлично справляется с этим, если мы потратим время, чтобы объяснить ИИ, что мы хотим сделать. Иными словами, это строительство цифрового работника.

11 «Помощник ИИ Klarna обрабатывает две трети чатов службы поддержки клиентов в первый месяц», Klarna, 27 февраля 2024 г., https://oreil.ly/k9_Ln.

92 | Глава 4: Глава о вариантах использования

Конечно, когда речь заходит о цифровом труде, обязательно возникает вопрос о безопасности рабочих мест. Позвольте нам поделиться с вами нашей переформулировкой. Начните с фактов, изложенных в Главе 3: большинство стран мира сталкиваются с сокращением населения (будущим или текущим дефицитом рабочей силы) и снижением темпов роста производительности. Спросите себя: что, если Великое увольнение на самом деле было Великим обновлением — шансом привлечь и удержать сотрудников, улучшив использование их навыков? Не сделает ли цифровой труд это возможным, взяв на себя черновую работу для ваших сотрудников? Сотрудничая с ИИ, вы можете освободить своих сотрудников от утомительных, низкоценных задач, позволяя им сосредоточиться на работе, для которой они были наняты. Вместо замены сотрудников, это дает им контроль. И вместо раздувания затрат, это оптимизирует ваш бюджет. Вот почему мы считаем, что самая большая ценность ИИ — это избежание найма на должности, не связанные с созданием ценности, и создание привлекательности вашей компании как места работы.

Агенты

Вероятно, вы почувствовали это интуитивно в последнем разделе, но агенты — это следующий уровень производительности для бизнеса. Агент ИИ — это система или программа, способная выполнять задачи, проектируя свой рабочий процесс и используя доступные инструменты (например, возможность парсить веб-сайт, запускать некоторый код Python, выполнять SQL-запросы, получать погоду и многое другое). Проще говоря, агенты расширяют набор работ, которые могут быть выполнены с вашей трансформацией GenAI, потому что они не просто синтезируют информацию, они также могут придумывать собственный план для решения данной задачи, выполнять действия и запоминать вещи! Правильная БЯМ в агентном рабочем процессе творит магию, потому что агенты могут действовать автономно, итеративно перебирать проблемные домены, адаптироваться, рассуждать и многое другое. Мы подробно углубимся в агентов в Главе 7, так что в этом разделе мы приводим всего несколько вариантов использования.

Мы говорили о впечатляющих результатах цифрового труда по созданию беспроблемного клиентского опыта в предыдущей части нашей кривой ИИ, но агенты ИИ могут поднять все это на новый уровень. Агенты ИИ могут быть интегрированы в веб-сайты и приложения, чтобы улучшить опыт, расширяя возможности виртуальных помощников. Например, возможно, вы хотите испытать конкретный вид спорта в конкретном месте для идеального отпуска. Это запрос, который требует больше, чем просто предоставление сайту бронирования нескольких дат. Агент мог бы буквально построить маршрут (места, которые нужно посетить, чем заняться, что поесть) наряду с лучшим временем поездки, чтобы максимально увеличить шансы на идеальную погоду для вашего спорта, минимизируя при этом плотность туристов, инициировать визовый процесс, и даже забронировать билеты и сделать бронирования в том прекрасном ресторане, о котором знают только местные жители.

Переход в горизонтальное приносит максимум вертикального | 93

Что если вы возглавляете государственное учреждение, которое помогает выпускникам федеральной программы повышения квалификации найти новую работу. Агент мог бы изучить работу, на которую претендует кандидат, понять кандидата (принадлежит ли он к группе разочарованных работников, готовых снова попробовать, возможно, только что завершивших военную службу, или, возможно, они давно не проходили собеседования, потому что у них был долгий стаж работы в компании, которая недавно закрылась), исследовать объявление о работе в интернете и сгенерировать симулированные интервью! Отступите назад и подумайте о преимуществах здесь. Кандидат не только будет лучше подготовлен к собеседованию (у вас никогда не будет второго шанса произвести первое впечатление), но и, вероятно, выступит лучше, потому что уровень его тревожности будет ниже после многократных итераций с цифровым интервьюером. Это можно было бы усилить с помощью реального голоса и аватара, который может работать на нескольких языках, помогая кандидатам, для которых английский является вторым языком (ESL), работать над другими аспектами их выступления. Возможности безграничны.

Или рассмотрим реагирование на чрезвычайную ситуацию, связанную с стихийным бедствием. Агентный рабочий процесс на базе ИИ мог бы использовать БЯМ и инструменты (такие как отчеты о дорожном движении в реальном времени, местоположение деталей о серьезности или сообщения в социальных сетях, связанных с бедствием, погода и т. д.) для извлечения информации о потенциальных вызовах о помощи от людей, вероятно, находящихся в наиболее пострадавших районах, через их сообщения в социальных сетях. Местоположение этих пользователей можно было бы нанести на карту и объединить с отчетами о погоде, дорожном движении, загруженности больниц и другими атрибутами, чтобы помочь спасательным службам спасти больше людей за меньшее время.

Агентов также можно использовать для разработчиков, автоматически создавая тестовый блок для запуска их кода в анклаве, анализируя вывод логов, генерируя обратную связь по коду и тестовому запуску, и, возможно, даже включая некоторые советы по улучшению кода. Конечно, это можно сделать асинхронно с помощью хорошего помощника по кодированию на базе GenAI и линтера. Но это очень итеративный процесс, и не будет накоплено никакого корпоративного знания, которое можно было бы применить к другим, пишущим похожий код, чтобы развивать (или создавать) лучшие практики компании. (Мы упоминали, что агенты могут учиться со временем? Подробнее об этом в Главе 7.)

Если вы последуете советам в этой книге, то именно здесь вы буквально взлетаете, потому что строите всю свою стратегию ИИ с моделями, которым доверяете, которые объяснимы и направляются вашими данными — затем агенты вводят масштабность в ваши усилия с GenAI, чтобы получить еще больше работы для вас. Наконец, стоит отметить, что поскольку агенты могут действовать автономно, это означает, что им требуется еще больше наблюдаемости и контроля, и именно поэтому мы изложили (и далее подробно опишем позже) в этой книге, почему вам нужно надежное управление вашим ИИ.

94 | Глава 4: Глава о вариантах использования

Бизнес-взгляд: горизонтальное использование вариантов

По мере того как мы переходим к бизнес-взгляду, характер вариантов использования меняется. Вероятно, вы уже поняли это в последнем разделе, но в нашей работе есть три неоспоримых основных варианта использования ИИ. Давайте назовем их «Большая тройка»:

• Обслуживание клиентов
• Код
• Цифровой труд

В Главе 1 мы говорили о трате денег на экономию и трате денег на заработок как о одной из форм классификации вариантов использования. Без сомнения, это звучало бы так же хорошо на выступлении TED, как и в этой книге, но теперь пришло время взять этот лозунг, который понравится вашей исполнительной команде, и претворить его в жизнь. Если вы только начинаете, «Большая тройка» — это те, которые нужно прикрепить к этой структуре.

Как только бизнес справился с «Большой тройкой», подумайте, куда еще может пойти работать ИИ и какой широкий спектр вариантов использования можно исследовать в любой из этих функциональных областей:

• ИТ-операции
• Цепочка поставок
• Закупки
• Финансы
• Управление персоналом
• Маркетинг
• Юриспруденция

Мы считаем, что 90% генерации ценности в течение следующего десятилетия будет происходить в одной из этих 10 областей или вокруг них (Большая тройка и 7 функциональных областей выше).

Бонус (горизонтальный) вариант использования — Синтетические данные

Много разговоров ведется о спросе на дорогие графические процессоры для построения более мощных БЯМ, но одной области, которая не получает должного внимания, является то, что мы называем *засухой данных*. Поскольку большая часть интернета сжата в типичную БЯМ, очень мало данных может привести к большему прорыву (помните, БЯМ любят данные). Давайте отложим это в сторону и поговорим о типе засухи данных, который действительно актуален: предположим, вы компания, занимающаяся кредитными картами, и пытаетесь использовать GenAI для предотвращения мошенничества. У вас, вероятно, есть множество данных о транзакциях, но сколько у вас данных о мошенничестве? Конечно, у вас есть некоторые данные о мошенничестве. Составляют ли 50% ваших данных данные о мошенничестве? Если бы это было так, вы, вероятно, вышли бы из бизнеса. А как насчет данных, которые попадают под домен персонально идентифицируемой

Переход в горизонтальное приносит максимум вертикального | 95

12 Gartner, «Gartner идентифицирует основные тренды, формирующие будущее науки о данных и машинного обучения», пресс-релиз, 1 августа 2023 г., https://oreil.ly/QZW1x.

информации (PII) или чего-то подобного? Насколько легче было бы направить модель данными, которые семантически похожи на ваши данные, но созданы искусственно — это устранило бы все виды проблем конфиденциальности. И, как намекали Саймон и Гарфанкел в своем хите «Fakin’ It», ответ на засуху данных — синтетические данные — другими словами, подделайте их, пока не достигнете цели. Синтетические данные — это данные, которые были созданы искусственно, чтобы заменить (возможно, из-за конфиденциальности) или дополнить (добавить, потому что их недостаточно) реальные данные. Эти новые данные могут использоваться в качестве заглушки для тестовых наборов данных и все чаще применяются для обучения моделей из-за их преимуществ для конфиденциальности данных.

Синтетические данные также могут использоваться в здравоохранении для защиты данных пациентов и повышения эффективности клинических испытаний, одновременно соблюдая требования регуляторов. Другие примеры включают генерацию симулированных тестовых упражнений для аудиторов, генерацию данных о плацебо, моделирование рисков для стресс-тестирования потенциальных финансовых сценариев, моделирование краш-тестов, симуляции переписей населения и многое другое.

Хотя данные искусственные, синтетические данные отражают реальные события на математической и статистической основе. Эта техника набирает популярность. Фактически, Gartner прогнозировал, что к концу 2024 года 60% данных, используемых при обучении моделей ИИ, будут генерироваться синтетически.12 С момента публикации этого прогноза Gartner многое изменилось, включая выпуск ChatGPT и момент Netscape, которым является GenAI. И хотя мы не знаем точный процент, мы знаем одно — какое бы это число ни оказалось в итоге, оно будет расти с каждым годом (поэтому мы подробно описываем, почему синтетические данные критически важны для обучения БЯМ в Главе 7).

Наконец, как и реальные данные в моделях могут отражать предвзятость, синтетически генерируемые данные, которые имитируют естественные данные, также вызывают подобные опасения, которые необходимо решать.

Когда мы вступаем в этот мир вымышленных данных, одно ясно: этот вариант использования, возможно, не привлечет к вам тусовщиков, но он определенно *горячий, горячий, горячий*, и поиск способа сбалансировать синтетические данные с реальной информацией будет формировать саму ткань вариантов использования GenAI в будущем.

Множество вариантов использования — Вертикально говоря

Мы не намекали на это; мы прямо заявили об этом, но повторим: многие варианты использования GenAI и агентов сводятся к горизонтальности. Эта точка зрения даст вам прочную основу для выбора вариантов использования ИИ. В конце концов, ИИ, выявляющий изменения ослабления родинки для определения риска меланомы, работает точно так же, как и при определении пористости или ямок в свойствах материала в конце производственной линии. Видите? Есть два варианта использования в двух

96 | Глава 4: Глава о вариантах использования

отраслях (здравоохранение и производство), которые одинаковы с технологической точки зрения.

Сказав это, как только вы осмыслите, что ИИ может сделать для *любой* отрасли (горизонталь), вам захочется повернуть его на 90 градусов и вертикально применить к своей отрасли. В конце концов, чтобы убедить вашу исполнительную команду инвестировать в ИИ для создания динамических оценок внимания оператора (обратная мера отвлеченного вождения) для снижения страховых премий, разговор о том, как ИИ может идентифицировать бородавчатый картофель на линии мойки, может не сработать так, как вам хотелось бы. (Просто для протокола, теперь мы предоставили вам четыре отраслевых случая, используя ту же горизонтальную технику ИИ.)

В этом разделе мы углубимся в некоторые отрасли и приведем подробные примеры и список (без объяснений) множества вариантов использования ИИ, которые вы можете исследовать самостоятельно. Хотя мы называем эти отрасли *вертикальными*, на самом деле их можно рассматривать как *роли* в некоторых случаях. Например, у больничной сети будет бухгалтерский и юридический отдел, как и у многих компаний. Вот почему мы рекомендуем прочитать все варианты использования, даже если они не имеют прямого отношения к вашей отрасли. Что наиболее важно, помните, что мы сказали вам в начале этой главы — *варианты использования — это всего лишь поиск*.

Сельское хозяйство

Сельское хозяйство — это трудоемкая отрасль, но она также богата технологиями — от спутниковых уборочных комбайнов до аналитики фондового рынка, оптимизирующей время сбора урожая. Автоматизация ключевых аспектов будет продолжать приносить инновации для улучшения урожайности, здоровья полей и делать отрасль в целом менее зависимой от высокорисковых переменных, таких как вода и вредители, среди прочего.

ИИ может помочь во многих областях. Например, наш мир тонет в пестицидах, потому что мы часто полагаемся на метод «опрыскивай и молись» для сдерживания вредителей, патогенов или болезней, которые могут уничтожить урожай. Оказывается, ИИ может сделать сельскохозяйственное оборудование на земле умнее и менее расточительным. ИИ-ассистируемое точное опрыскивание помогает фермерам нацеливаться на конкретные участки растений, нуждающиеся в обработке от конкретных угроз. Этот подход значительно снижает зависимость от широкоспектральных гербицидов, которые уничтожают все на своем пути. ИИ переходит от «опрыскивай и молись» к «смотри и опрыскивай». Даже состав удобрения или пестицида может быть сильно индивидуализирован на основе состава почвы или оценки угрозы. В одном решении ИИ может идентифицировать 26 специфических для культур заболеваний (таких как кедровая яблочная ржавчина и другие связанные ржавчинные грибы) и всего за 0,2 секунды опрыскать контролирующее вещество на область угрозы с точностью до четверти дюйма. Фактически, роботы для сбора салата на базе реального ИИ уже помогают собирать более 10% урожая салата в США таким образом и сократили использование пестицидов для своего урожая до 90%!

Другие варианты использования ИИ, которые вы, возможно, захотите поискать, включают (но не ограничиваются этим) животноводство (приветствие Lowica за лазерную терапию для лошадей на базе ИИ),

Множество вариантов использования — Вертикально говоря | 97

13 Отрасль экономики, занимающаяся распределением, управлением и производительностью земли.

14 Вас может удивить, что 25% фермерских семей имеют суицидальные мысли, и лишь у немногих есть планы преемственности в хозяйстве. Эта отрасль находится в центре кризиса психического здоровья.

автономный сбор урожая, агрономия13 , паттерны растительности, отслеживаемые дронами-шпионами, безопасность урожая, прозрачность и прослеживаемость, оценка поголовья скота, поведение, носимые устройства, интеллектуальное орошение, вмешательства в кризисных ситуациях с психическим здоровьем14 , обнаружение качества продукции, сортировка и мойка продукции, более безопасное монокультивирование, инженерия семян или размещение в поле, смешивание семян, прогнозирование плодородия почвы, управление расходами, устойчивая производительность, прогнозирование погоды и многое другое!

Бухгалтерия

Технологии кардинально меняют мир всех профессиональных услуг, и бухгалтерия — одна из областей, где изменения неизбежны. Грубо говоря, GenAI и агенты преобразят то, как работают бухгалтеры и специалисты по налогам, и будут вытеснять эту профессию все дальше и дальше от подготовительных услуг (которые будут в значительной степени автоматизированы ИИ) в сторону более консультационных и аудиторских услуг. Если вы бухгалтер, это хорошая новость. Во-первых, ваши рабочие места не исчезнут — в конце концов, калькулятор не положил конец вашей профессии — представьте бухгалтера, работающего без калькулятора! Вы вот-вот пройдете через значительный подъем своего потенциала заработка, если последуете пути, который мы описываем в Главе 6. Это поможет вам избавиться от стереотипа «счетовода» — вы будете как шеф-повар, который перестает чистить картофель и начинает создавать меню для ресторанов Michelin Star.

Подготовительные услуги, традиционно являющиеся визитной карточкой бухгалтеров, становятся все более товаром, что, в свою очередь, приводит к снижению почасовых ставок на эти услуги. Поскольку ИИ берет на себя большую часть рабочей нагрузки, некогда принятый (и до сих пор практикуемый юристами) подход, при котором стажеры выполняют задачи по слегка сниженным партнерским ставкам, теряет свою привлекательность. Но бухгалтеры давно являются доверенными лицами, отвечающими за отчетность и контроль финансовых операций — так кто лучше подойдет для руководства вашей практикой управления ИИ и предоставления консультаций с финансовой экспертизой о том, где ИИ может быть использован в любом бизнес-подразделении? Кто лучше поможет привязать реальный потенциал ROI к предлагаемым вариантам использования? Действительно, с подготовкой услуг, сдвинутых влево, бухгалтеры смогут больше времени уделять помощи бизнесу в размышлениях о, ну, о бизнесе. Это касается не только бухгалтеров, работающих с деньгами и цифрами. У этой профессии есть близкие родственники среди тех, кто работает в области управления казначейством, аудита, управления кредиторской задолженностью, оптимизации процессов от заказа до наличных, или оценки кредитных рисков. Эти области охватывают несколько финансовых процессов, которые помогают оптимизировать и контролировать денежный поток бизнеса, ликвидность, финансирование и поддерживать соответствие требованиям.

Например, ИИ может помочь бухгалтерам лучше оценивать и приоритизировать ключевые факторы в проформе (терминология счетоводов для прогнозируемой финансовой отчетности), чтобы отчитываться и влиять на прогнозируемые финансовые результаты. Консультируя руководство по этим аналитическим данным,

98 | Глава 4: Глава о вариантах использования

15 Treasury Today, «Управление наличностью: все еще разрозненное и устаревшее на фоне экономических проблем», белый документ, International Data Corporation, март 2022 г., https://oreil.ly/eNQG0.

бизнесы могут принимать решения на основе данных для оптимизации своих финансовых моделей и улучшения точности прогнозирования. Тот же вариант использования помогает и сотрудникам казначейства. По данным Treasury Today Group, только около 20% компаний могут надежно прогнозировать свою денежную позицию на срок более месяца; на срок более трех месяцев это число снижается до примерно 5%.15 ИИ может помочь этим бизнесам минимизировать избыточную ликвидность и использовать любой избыток различными способами (инвестиции, капитальные затраты и так далее).

Другие доступные для поиска варианты использования ИИ для этой профессии включают (но не ограничиваются) автоматизированную проверку соответствия, дебиторскую задолженность, прогнозирование ликвидности и видимости денежных потоков, риск контрагента, объяснение сложных налогов для небухгалтеров, соответствие экологическим, социальным и управленческим стандартам (ESG), предотвращение и выявление мошенничества, генерацию финансовой отчетности, управление или оптимизацию ликвидности, операционное или репутационное управление рисками, симулированные упражнения по тестированию соответствия для аудиторов, управление расходами, анализ налогового разрыва, анализ и дистилляцию изменений в налоговом кодексе и многое другое.

Образование

Из всех отраслей, образовательные учреждения, возможно, сталкиваются с наибольшими изменениями со стороны ИИ — мы говорим о том же уровне, что и индустрия совместных поездок и такси. Педагогам необходимо переосмыслить, что значит учиться, оценивать и расти в средах, где учащиеся могут использовать ИИ для выполнения такой большой части своей тяжелой работы. Подумайте об этом: как вы дадите задание по кодированию студенту, если он может использовать БЯМ для его написания? А как насчет эссе?

Это очень спорная область прямо сейчас, и мы сожалеем о разнице во мнениях относительно использования GenAI и агентов в классе. Проще говоря, это не обсуждение «стоит ли его использовать». Многие вели ту же дискуссию о калькуляторах. Время пришло.

Существуют замечательные креативные варианты использования для внедрения ИИ в класс. Например, что если бы команда предложила ИИ составить трехстраничное резюме по теме, но студенты вместе «доработали» бы язык? В конце концов, это то, что юристы делают сегодня — не было бы ли это учить их тому, как выглядит будущее работы? Что насчет критики того, что написал ИИ? Не было бы ли это учить студентов правильно использовать ИИ из-за его склонности к галлюцинациям? Учителя могли бы переосмыслить планы уроков, где ИИ может помочь. Как насчет использования БЯМ для создания сложных ролевых диалогов? Студенты могли бы провести дебаты с ИИ, который принял на себя роль исторической личности и «путешествовал во времени», чтобы с ними спорить. Будучи студентами, мы нашли бы интересным поговорить с бывшим премьер-министром Канады, который в 1863 году, после того как его стошнило во время дебатов (он

Множество вариантов использования — Вертикально говоря | 99

был пьян!) заметил: «Я болею иногда не от выпивки или других причин, а только потому, что вынужден слушать бред моего уважаемого оппонента». Возможно, не с исторической личностью в примере, который мы привели, но представьте, что вы стоите перед таким взаимодействием с сгенерированной ИИ личностью, в ее подобии, с голосом и всем прочим. Суть в том, что педагоги могут использовать БЯМ для вовлечения учащихся и смещения фокуса на искусство критического мышления в противовес запоминанию фактов. Проще говоря, джинн выпущен из бутылки, и если некоторые педагоги будут продолжать идти в ногу со своим собственным барабаном, они, вероятно, отстанут и обманут тех самых людей, которым пытаются помочь. Здесь можно найти общее — и это должно произойти быстро и быть согласовано с миром, в который студенты на самом деле вступают.

Одно мы знаем наверняка: нужно повышать квалификацию педагогов, чтобы они не убегали *от* ИИ, а бежали *к* его включению в класс. Как ни странно, ИИ имеет бесчисленные способы помочь учителям, от снижения нагрузки по оценке и планированию уроков до управления стремительно растущим соотношением ученик-учитель и многое другое.

Вот почему мы написали Главу 6, которая полностью посвящена навыкам. Это не будет легко. Моменты сдвига вправо в образовании редки. Но вы не можете подготовить детей к работе завтрашнего дня, если не знаете ничего о навыках завтрашнего дня. Честно говоря, будущее образования будет все меньше и меньше связано с подготовкой студентов к конкретной работе. Мы думаем, речь пойдет о подготовке их к «всему и вся», что принесет будущее. Нравится вам это или нет, студенты будут выпускаться в мир, полный ИИ, и им нужно будет знать, как ориентироваться в этих инструментах, понимая их варианты и ограничения.

Мы считаем, что тестирование запоминания фактов является проблемой внутри и вне школ. Не поймите нас неправильно; оно имеет свое место, но это фактический стандарт, потому что так всегда делали, а не потому, что это работает. Это всегда нас расстраивало — и не потому, что мы ошибались в каких-то вопросах в каком-то вопросе сертификации администратора базы данных, который спрашивал нас точное ключевое слово для изменения размера буферного пула в списке сложных синтаксисов с тонкими различиями, которые никому не интересны. А что насчет вопросов «выберите все, что подходит», которые не говорят, сколько нужно выбрать — даже не начинайте. Представьте экзамен по базам данных, который запускает живую среду с условием переполнения буферного пула, где кандидат должен обработать эту ситуацию. Мы не говорим о контроле с прокторированием на вашем ноутбуке, а скорее о свободном доступе к интернету и БЯМ. Именно так сегодня работают люди. Они учатся, исследуют, учатся, и так далее. Это еще не здесь, но мир должен двигаться вперед от искусства запоминания для многих аккредитаций, где оно используется сегодня.

100 | Глава 4: Глава о вариантах использования

Отличный вариант использования для GenAI и агентов — сдвиг влево идентификации уязвимых студентов и получение более глубоких инсайтов о том, что они бросают учебу. В конце концов, студент обычно бросает учебу из-за комбинации обстоятельств, не все из которых академические. ИИ может быть использован для удержания большего числа студентов на местах, используя его предсказательные элементы для своевременного вмешательства с поддержкой до того, как станет слишком поздно. Агенты могут очень помочь и здесь; например, как только ситуация выявлена, сообщения с предложениями помощи, запись на прием и уведомления для более широкой поддерживающей экосистемы (профессор, ассистенты преподавателей, регистратура, бухгалтерия и многое другое) могут быть обработаны агентно. Но прежде чем ИИ сможет помочь, вам нужны данные (вся эта штука с ИА); помните, чтобы решить любую сложную проблему, вам нужно *собрать точки*, прежде чем вы сможете *соединить точки*.

Существует также множество вариантов использования для образовательных учреждений, которые вообще не имеют отношения к образованию. Вы найдете их в других разделах этой главы, но когда вы учтете, что примерно 70% расходов университета связаны с персоналом, здесь больше возможностей для помощи, чем кажется на первый взгляд.

Другие варианты использования включают изменение среднего балла, обучение и тестирование с использованием дополненной или виртуальной реальности, разработку учебных программ, динамическое тестирование, помощь ESL для снижения трения для не носителей английского языка, первичную оценку, управление вмешательствами, операционное и рисковое управление, оптимизацию проживания и операций, выявление отстающих, удержание студентов, планирование обучения и многое другое.

Здравоохранение

Это сложная тема, потому что текущая стоимость большинства программ здравоохранения в большинстве стран просто неустойчива. Например, уровень инфляции в США с 2011 по 2019 год составлял 1,75%. В здравоохранении он составлял 7,4% — это в четыре раза больше! Добавьте к этому растущее количество хронических заболеваний (ожирение, депрессия, диабет, а теперь и одиночество) и стареющее население, и вы быстро поймете, что что-то нужно срочно делать. Когда вы в последний раз посещали терапевта? Вам вообще уделяли 15 минут прямого контакта глазами? Дело не в том, что они вас не любят, но много их времени тратится на набор текста о вас в их компьютер и затем переход к следующему приему в их перегруженном расписании. Это потому, что медицинские работники отмечают, что они тратят чуть меньше 40 часов в неделю на клиническую документацию, общение и согласование с страховыми компаниями; фактически, время, потраченное на различные административные задачи, является одной из основных причин выгорания врачей, что, конечно, приводит к дефициту кадров.

GenAI и агенты имеют такой большой потенциал здесь, что мы почти не включили этот раздел, потому что не чувствовали, что сможем отдать ему должное. Сказав это, у GenAI также есть сложный путь впереди между регуляциями, которые используют варианты использования, которые нужно решать в первую очередь, и этикой.

Прогнозирование — это огромный вариант использования в этой области. Очевидный — прогнозирование наступления заболевания, но с возрастающей нагрузкой на доступность врачей, прогнозирование

Множество вариантов использования — Вертикально говоря | 101

16 CBC News, «Технология ИИ помогает предотвратить неожиданные смерти в больницах, канадское исследование выявило», сентябрь 2024 г., https://oreil.ly/oAa_F.

загрузки пациентов и оптимизация персонала вокруг этого прогноза — это ключи к снижению стресса в системе и немедленному вниманию. Фактически, одна больница в Торонто использует единый алгоритм ИИ для составления расписания большинства медсестер в своем отделении неотложной помощи. Та же больница может буквально предсказывать, что в субботу, между 13:00 и 18:00, в их отделении неотложной помощи будет около 80 пациентов, из которых у 10 будут проблемы с психическим здоровьем, а у 12 будет труднолечимый случай.

С возможностью ИИ обрабатывать невообразимый объем информации, есть также шанс изменить ситуацию с редкими генетическими заболеваниями, которые сопровождаются душераздирающими историями страданий их жертв на протяжении лет. Они переносят эмоциональные страдания, а также десятки — даже сотни — визитов к врачам в отчаянной попытке выявить, что не так, только чтобы остаться без ответов. Нынешняя система настроена на выявление этих когорт, которые система упускает. ИИ может изменить шансы здесь и вывести диагностические генетические обследования на передний план пути оказания помощи, а не оставлять их в конце, где они сейчас находятся. Наконец, что может стать максимальным потенциалом сдвига вправо (сдвиг вправо как спасение жизней), новое канадское исследование показало, что применение раннего предупреждения на базе ИИ помогло одной больнице предотвратить неожиданные смерти на 26%.16 Может ли это масштабироваться более широко и многократно? Мы не уверены, но мы воодушевлены.

Помните, что упомянутые выше (и те, что последуют) варианты использования *не* предназначены для замены медицинского персонала, а скорее для служения в качестве дополнительного инструмента для ухода за пациентами и управления учреждениями для поддержки лучших результатов для пациентов.

Готовы ли вы исследовать роль ИИ в современной медицине? Возможно, начните с этих вариантов использования (и не забывайте о тех, которые мы рассматривали в Главе 1): поддержка после выписки, интеграция непрерывности ухода, обязанности по учету расходов, клинический анализ, обобщение или документирование данных (на самом деле, любой вид клинического рабочего процесса), предотвращение выгорания врачей и медсестер, сводки выписки, раннее выявление заболеваний, улучшенное планирование питания, выявление мошеннических медицинских кодов, проверка медицинских кодов, интеграция электронных медицинских карт, снижение медицинских ошибок, поддержка памяти, предварительная оценка МРТ и других снимков, приверженность рецептам, обработка платежей, общение с пациентами, сообщения на портале, регистрация и обобщение, заметки поставщиков, помощь радиологии, расписание коммуникаций и многое другое.

Страхование

Страхование вращается вокруг понимания и страхования рисков, и сегодня существует, безусловно, много сложных рисков для страховых компаний. Рассмотрим риски страхования имущества и ущерба (P&C) и влияние все более частых и сильных стихийных бедствий.

102 | Глава 4: Глава о вариантах использования

17 Это разница между фактически оплаченным иском и суммой, которая должна быть оплачена, если она меньше.

18 Комбинированный коэффициент (CR) измеряет понесенные убытки, расходы на урегулирование убытков, расходы на приобретение и общие административные расходы по сравнению с заработанными премиями за тот же период. Если CR страховой компании превышает 100, это означает, что она выплатила больше, чем получила премий. Это обычное явление в полисах P&C, где событие, такое как ураган или град, может вызвать большой объем исков.

частых и сильных стихийных бедствий. Это критически важно. В конце концов, пожар в Калифорнии в Palisades в 2025 году оценивается минимально в 150 миллиардов долларов ущерба, и до 250 миллиардов долларов. А как насчет риска при оценке полисов страхования жизни при растущем нездоровом населении мира наряду с новыми рисками, такими как пандемии? Одно мы знаем наверняка: страховая индустрия является основным кандидатом на деструкцию с помощью GenAI и агентов, и это окажет серьезное влияние на страхование — в частности, на иски, распространение, андеррайтинг, оплату по факту использования (мы привели отличный пример в Главе 1), персонализацию (переосмысление отношений между страховщиком и застрахованным) и оценку рисков.

Страховые компании могли бы использовать GenAI в агентном рабочем процессе с вызовами инструментов для построения лояльности среди страхователей, помогая им избегать потенциальных автостраховых исков, связанных с погодой. Рассмотрим следующее: единственный град в Фениксе однажды причинил ущерб на 20 миллионов долларов! По оценкам, предупреждения о погоде дают андеррайтерам P&C возможность связаться со своими клиентами 10 раз в год (в отличие от только при возобновлении полиса или при наступлении страхового случая). Как владелец автомобиля на пути града, вы не хотите, чтобы ваш автомобиль был поврежден. Конечно, страховка покроет ущерб, но это хлопоты, есть риск повышения тарифов в будущем и так далее, так что предположим, вы предпочтете не иметь дела с такой ситуацией. И мы почти уверены, что ваша страховая компания тоже не хочет платить за ремонт, аренду и прочее. Здесь есть общий интерес для обеих сторон. Что насчет агента ИИ, цель которого — минимизировать риск ущерба любым активам по действующим полисам. Этот целеориентированный ИИ приступает к работе, чтобы связаться со страхователями по поводу надвигающегося не угрожающего жизни, но причиняющего имущественный ущерб шторма. На основе близости, прогнозов и других факторов он дает некоторые предложения, такие как «Поставьте машину в гараж» или «В пределах трех минут езды от вашего текущего местоположения есть укрытая парковка; вот маршрут». Мы думаем, большинство страхователей оценили бы такую инициативу, если бы она была в их интересах (мы бы оценили). Как оказалось, одна страховая компания, с которой мы работали, использовала этот подход для повышения вовлеченности клиентов и обнаружила, что 52% страхователей предприняли действия по таким предупреждениям. И из тех, кто смог предпринять значительные действия, только 6,1% из них заявили о страховом случае!

Вот еще несколько вариантов использования в страховании, где, по нашему мнению, GenAI и агенты могут помочь: обнаружение аномалий, автоматизированная оценка исков, проверки соответствия, управление *утечкой исков*17 и *комбинированным коэффициентом*18 , прогнозирование стоимости риска, моделирование последствий сбоев, индивидуальные полисы, цифровое взаимодействие, динамическое ценообразование и скидки, оптимизация первого уведомления об убытке (FNOL), мошенничество

Множество вариантов использования — Вертикально говоря | 103

19 Джозеф Бриггс и др., «Потенциально большое влияние искусственного интеллекта на экономический рост», Goldman Sachs Publishing (GSP), 27 марта 2023 г., https://oreil.ly/cEtlz.

выявление, выявление новых возможностей на рынке (как в постоянно растущей гигабайтной экономике), параметрики, персонализированное профилирование рисков, разработка продуктов, перестраховочный андеррайтинг и многое другое.

Юриспруденция

GenAI и агенты вот-вот станут такими же незаменимыми для юристов, как кофе и справочники BARBRI, — формируя будущее этой профессии, один промпт за раз. Почему возможности для деструкции здесь, возможно, больше, чем в большинстве профессий? Goldman Sachs отметил, что, по их мнению, 44% повседневных юридических задач могут быть упрощены или ускорены с использованием ИИ — по сравнению со средним показателем по всем отраслям в 25%.19 Одна из причин такого вывода заключается в перекрытии задач, с которыми хорошо справляется ИИ, и тех, которые используются юристами. Подумайте об этом: задачи, такие как анализ документов, написание, составление аргументов и контрактов, извлечение информации, исследование, просмотр и обобщение, — все это хорошо подходит для ИИ.

Подумайте о горах прецедентного права и данных для обнаружения, которые необходимы для построения доказательной базы для дела. Как вы просеете все эти данные? Как один человек сможет просмотреть 260 000 документов, чтобы полностью понять конкретную точку зрения или то, как детали взаимосвязаны? Это не поиск иголок в стоге сена; это поиск иголок в стогах иголок.

Ситуация станет еще более ошеломляющей, потому что то, что считается доказательством, тоже эволюционировало. Например, в Италии сообщения WhatsApp (второе по популярности бандлированное приложение в мире) используются для развода почти половины итальянских прелюбодеев! Джан Этторе Гассани из Итальянской ассоциации брачных юристов отмечает: «Мы видели, как прелюбодеи использовали этот сервис для поддержания трех-четырех отношений, это как динамит». Мы не уверены, что происходит в Италии; однако очевидно, что коммуникационные платформы (такие как WhatsApp, Facebook и Instagram) и то, как мы общаемся (некоторые суды постановили, что эмодзи «палец вверх» могут юридически обязывать контракты через текст) фундаментально меняют объем и определение доказательств.

Теперь подумайте обо всех этих документах и приложениях и предположите, что вы хотели просмотреть их, чтобы выяснить, какие люди и компании связаны друг с другом в таблице кредитов. Вы могли бы использовать агента, который сначала просматривает все ваши документы и использует возможности разрешения именованных сущностей, предоставляемые его вспомогательной БЯМ, чтобы захватить и связать список людей, мест и вещей. Затем рабочий процесс выводит эти связи в формате Markdown, а вызов инструмента преобразует Markdown в ментальную карту, представляющую все стороны в этих документах и то, как они связаны друг с другом.

104 | Глава 4: Глава о вариантах использования

20 Эта БЯМ особенно хороша для высокопроизводительных задач, таких как обобщение и ответы на вопросы, и поскольку у нее два миллиарда параметров (и она плотная), она легко может работать локально на обычном ноутбуке, и никакие данные не передаются поставщику через интернет.

Внезапно у вас есть визуальное представление людей и компаний, которые работают вместе. Это отличный подход для оценки риска контрагентов (также используется в страховании, банковском деле и так далее).

Один из наших любимых вариантов использования (сюрприз, сюрприз, это горизонтальный) для юристов — возможность «поговорить с документом». Откройте документ — например, судебное решение или недавно принятый закон — и взаимодействуйте с ним на естественном языке. Например, если вы (или кадровое агентство, с которым вы работаете) используете ИИ для найма в Нью-Йорке, вы должны быть в курсе местного закона 144, который подробно описывает законы об автоматизированных инструментах принятия решений о занятости (AEDT). Мы использовали Ollama и модель granite3-dense:2b20 БЯМ для обобщения (из корпуса документов) соображений, которые нам следует знать относительно этого закона:

Предоставленный вами текст представляет собой набор правил и рекомендаций, касающихся использования автоматизированных инструментов принятия решений о найме (AEDT) в Нью-Йорке. Вот упрощенное резюме: 1. **Требования к аудиту предвзятости**: Работодатели и агентства по трудоустройству должны проводить аудит предвзятости своих AEDT каждые два года, используя независимого аудитора. Аудит должен включать расчеты для всех категорий, за исключением тех, которые составляют менее 2% данных. 2. **Ответственность за аудит предвзятости**: Работодатели и агентства по трудоустройству несут ответственность за то, чтобы они не использовали AEDT без аудита предвзятости. Продавцы не могут проводить собственные аудиты предвзятости; они должны нанять независимых аудиторов. 3. **Требования к уведомлению**: Работодатели и агентства по трудоустройству должны уведомить сотрудников и соискателей в Нью-Йорке об использовании AEDT и квалификации или характеристиках работы, которые он будет оценивать. Они должны предоставить это уведомление за 10 рабочих дней до использования AEDT. 4. **Независимые аудиторы**: Не существует списка утвержденных независимых аудиторов. Они должны быть беспристрастными и не иметь финансовой заинтересованности у работодателя или продавца. 5. **Жалобы**: Если кто-то подозревает нарушение, он может связаться с 311 или веб-сайтом DCWP для подачи жалобы. Жалобы на дискриминацию должны быть направлены в Комиссию по правам человека Нью-Йорка. 6. **Исключения**: Определенные категории могут быть исключены из требуемых расчетов, если они составляют менее 2% данных.

Видите, как быстро БЯМ обобщила корпус документов, которые мы ей предоставили? Теперь вы можете настроить эту информацию и мгновенно подготовить ее для клиента, чтобы сформировать

Множество вариантов использования — Вертикально говоря | 105

коммуникацию с целевой аудиторией. Примером является рассылка от Better Business Bureau с приветственным набором для новых магазинов, открывающихся в городе, адресованная целевой аудитории, которая не может обрабатывать юридический жаргон, или, возможно, коммуникация с людьми, для которых клиент не является носителем английского языка.

Как и во всех других профессиях, юристы не исчезнут из-за ИИ. Напротив, мы считаем, что спрос на юридические консультации и услуги только возрастет, учитывая постоянно растущую сложность мира — GenAI сам по себе создал всевозможные юридические вопросы, когда речь заходит о справедливом использовании авторского права. Тем не менее, мы склонны согласиться с тем, что Goldman отметил в своем отчете: использование ИИ для обработки первоначальной «тяжелой работы» значительно снижает стресс и монотонность (сдвиг влево), позволяя юристам минимизировать время, затрачиваемое на предварительный, низкоуровневый анализ, и выполнять более интеллектуальную работу (сдвиг вправо). Конечно, в этой отрасли (как и в других, например, в здравоохранении) есть серьезные «подводные камни» при использовании ИИ, и мы рассмотрим некоторые из них в следующей главе.

Другие варианты использования ИИ в юриспруденции включают прогнозирование арбитража, автоматизированное должная проверка, поддержка альтернативного разрешения споров, переписка, составление и внесение изменений в контракты и юридические документы, трансформация обслуживания клиентов, управление жизненным циклом контрактов, просмотр документов, обнаружение электронных доказательств, повышение операционной эффективности, облегчение доступа к знаниям, преодоление языкового или квалификационного барьера, юридические исследования и анализ документов, управление юридическим арестом и сохранением электронной информации, поддержка переговоров, прогнозирование вероятности выигрыша/проигрыша в судебных процессах или обязательного арбитража, ранжирование потенциальных исходов, упрощенный веб-прием дел и многие другие потенциальные применения.

Производство

Производство — это одна из тех отраслей, которые бросают вызов лидерам для перемен. От цепочек поставок, которые порой кажутся более сложными для понимания, чем ваш школьный возлюбленный, до тяжелого оборудования, у которого, кажется, бывает свое настроение, производственных линий, не забывайте о людях и процессах, управлении объектами и многом другом. По правде говоря, мы уверены, что вы не сможете пройти по любому производственному участку, не заметив десятка проблем, где GenAI можно было бы использовать для решения или облегчения бремени этих проблем.

Отличный пример того, насколько широко распространен GenAI в этой отрасли, — составление проектов финансовой отчетности. Имущество, заводы и оборудование (PP&E) являются частью обязательной ежегодной финансовой отчетности компании, которая отражает повседневную деятельность компании. Внедрите ИИ в работу, создав черновик на основе отчетности за прошлый год, динамически обновленной данными, метриками и журнальными записями за текущий год. Очевидно, что финансовая отчетность требует огромного контроля, поэтому участие человека в процессе критически важно, но это отличный старт. Более того, со временем (используя методы, такие как InstructLab, которые мы рассматриваем в Главе 8) вы сможете развивать свою модель с обновлениями правил отчетности в соответствии с общепринятыми принципами бухгалтерского учета (GAAP), которые, возможно, изменились с прошлого года. Мы понимаем, что это звучит как бухгалтерский вариант использования,

106 | Глава 4: Глава о вариантах использования

случай... потому что это так. Мы включили это здесь, потому что это отличный пример бухгалтерии в производстве. Помните, что вы можете объединять как горизонтальные, так и вертикальные варианты использования в бизнесе.

Аддитивное производство (АП) — это жаргон, описывающий производственный процесс изготовления изделий путем послойного добавления материалов. Этими слоями могут быть пластик, порошковые листы, металл, бетон — а однажды и человеческие ткани! АП используется для самолетов, стоматологических реставраций, медицинских имплантатов, автомобилей и даже модных изделий. Для подачи эскиза в процесс АП, который начинает добавлять свои слои для построения, обычно используется какое-либо программное обеспечение для моделирования (например, система автоматизированного проектирования [САПР]). Ранее в этой книге мы говорили о том, как невербальные или доменные языки программирования развиваются в БЯМ. Например, Технологический институт Джорджии построил polyBERT, БЯМ, которая мыслит о химической структуре полимеров как о химическом языке. Это очень похоже на инициативу L’Oréal, о которой мы говорили в Главе 2, но с языком, сосредоточенным вокруг полимеров, а не косметики. Эта БЯМ может делать выводы о формах и свойствах, чтобы предсказывать, как они могут себя вести. БЯМ для помощи в проектировании CAD-документов или обнаружении новых связующих агентов — это тоже отличный вариант использования в производстве. Не убеждены? Просто спросите Брайсона ДеШамбо, который использовал свое инновационное преимущество с набором гольф-клюшек, напечатанных на 3D-принтере, для своей исторической победы на US Open в гольфе в 2024 году. Традиционно гольфисты высшего уровня используют кованые клюшки (белый горячий металл прессуется в форму), но аддитивная природа клюшек Брайсона позволила его команде постоянно итеративно работать над дизайном с невиданной ранее скоростью. Подумайте о БЯМ, созданной для гольфа, только без проклятых слов.

ИИ также может быть использован для взвешивания операционных соображений (таких как использование, обслуживание и стоимость материалов) для создания оптимизированного графика производства, чтобы минимизировать время простоя и максимально увеличить доступность оборудования.

Когда речь заходит о производстве, кажется, что единственное ограничение — это нахождение проблемы для решения. Вот еще несколько, чтобы помочь вам в этом: обнаружение загрязнения при выпечке, соответствие требованиям и нормам, анализ цвета, дозировка химикатов, энергоэффективность, производительность оборудования, проектирование и обнаружение материалов, улучшенные показатели обнаружения дефектов, прогнозируемое техническое обслуживание, характеристика полимеров, правильное выявление одежды (и другие задачи по безопасности работников), выявление и прогнозирование качества выпуска, цели устойчивого развития, снижение незапланированного времени простоя и многое другое.

Фарма

Как и у любой другой отрасли, у фармы наступил свой момент «сияния ИИ» — только этот может спасать жизни, вместо того чтобы просто сэкономить вам время на обобщении стенограмм последних пяти статусных звонков в «уже в работе».

Рассмотрим аналитические данные, которые можно извлечь из огромного объема данных в этом секторе. Возможности простираются за пределы воображения, если учесть, что компании обычно не публикуют свои неудачи при обнаружении лекарств или в клинических испытаниях. Что мы могли бы

Множество вариантов использования — Вертикально говоря | 107

21 Duxin Sun et al., «Почему 90% клинической разработки лекарств терпит неудачу и как ее улучшить?», National Institutes of Health (.gov), ncbi.nlm.nih.gov, PMC9293739, https://oreil.ly/n1RLR.

22 Натали Гровер и Мартин Коултер, «Инсайт: Big Pharma делает ставку на ИИ для ускорения клинических испытаний», Reuters, 22 сентября 2003 г., https://oreil.ly/J_MxB.

узнать из наших неудач, если бы у ИИ был доступ к исследовательской информации о лекарствах, которые так и не вышли на рынок по назначению? Производство наук о жизни генерирует большие объемы данных, которые обычно разбросаны по внутренним и внешним системам, не обладающим интероперабельностью и консистентностью — какие инсайты могли бы быть раскрыты для создания лучших результатов для пациентов или качества жизни?

Теперь подумайте о вариантах использования, связанных с ускорением разработки лекарств с помощью сдвига влево, если учесть, что в среднем новым лекарствам требуется 10–14 лет для выхода на рынок при общих расходах около 2,6 миллиарда долларов. Более того, только 8–10% лекарств, поступающих в клинику, обычно достигают финишной черты.21 Подумайте об этом на мгновение: в этой отрасли, если бы вы терпели неудачу только в 80% случаев (удвоив свою успешность до 20%), вы были бы супергероем сдвига влево в отрасли!

Сегодня большинство клинических испытаний демонстрируют субоптимальную производительность площадок по нескольким причинам. Во-первых, большее количество участников в этой области наряду с сокращением населения требует более специфических характеристик для участия в испытании; это означает, что гонка «первым обнаружить/первым вылечить» стала более конкурентной, чем когда-либо. Фактически, набор участников для клинических испытаний может занимать до 10 месяцев для промежуточной стадии испытания — у ИИ есть возможность сократить это время вдвое.22 Выбор площадки (и связанные с этим расходы) — еще один фактор. Возможно, самой большой проблемой испытания является набор и удержание пациентов. Крупные фармкомпании испытывают трудности с выявлением, набором и удержанием разнообразных пациентов. Фактически, этот этап может занимать до 30% времени разработки препарата и может задерживать испытания на месяцы. Более того, как только участники записываются на испытание, возрастает потребность в ускорении внедрения новых методов для улучшения опыта и удержания пациентов (еще одно крупное узкое место клинических испытаний, которое в значительной степени способствует задержкам). Теперь подумайте горизонтально о всех способах, которыми ИИ может быть использован для клинических испытаний, поддерживая аналитическую стратегию набора, стратегии набора и удержания пациентов, ориентированные на пациента, и динамический и прогнозирующий мониторинг площадок.

То, что ждет впереди в этой области, вызывает огромные ожидания, поскольку квантовые вычисления все больше и больше входят в игру, чтобы еще больше ускорить открытие лекарств. Например, 80–90% белков нашего тела избегали внимания фармацевтов, потому что экспериментальные лекарства не «стыковались» (не получали связующей активности) в организме, чтобы изменить целевой путь. Возьмем, например, вездесущий препарат, такой как пенициллин, — для моделирования его структуры потребовался бы классический компьютер, физически невозможный (потребовалось бы больше транзисторов, чем атомов в наблюдаемой вселенной). Но это попадает в область квантовой возможности. Какие новые соединения и лекарства откроет мир?

108 | Глава 4: Глава о вариантах использования

23 Сегодня фармкомпании тратят более 14 миллиардов долларов на управление грузами с холодным цепным (например, вакцинами, которые нужно хранить в холодильнике), но ожидается, что темпы роста холодных цепных перевозок удвоятся по сравнению с их аналогами.

24 Этот термин относится к управляющему активами, который достигает доходности, превышающей рыночный индекс, после учета риска. Это мера производительности относительно рынка или других стандартных бенчмарков.

25 Относится к стратегии распределения активов, которая меняется со временем, чтобы управлять риском по мере приближения инвестора к цели, например, к пенсии.

Вот несколько дополнительных примеров вариантов использования GenAI и агентов, чтобы вдохновить на более глубокие размышления о его трансформационном потенциале в фармацевтической отрасли: отчетность о нежелательных явлениях, загрязнение партий, интеграция непрерывности ухода, оптимизация хранения в холодной цепи23 , разработка соединений, динамическое управление запасами, улучшенное обучение пациентов с динамической сложностью инструкций, более разнообразный набор участников клинических испытаний, оптимизированные рецептуры лекарств, оптимизированные производственные процессы, прогнозирование лекарственных взаимодействий, перепрофилирование существующих лекарств, симуляция обеспечения качества и многое другое.

Безграничные возможности: Другие отрасли, где сияет GenAI

Мы знали, когда писали эту главу, что наш издатель собирается ее урезать. Не потому, что она не содержала ценной информации, а потому, что вся книга могла бы быть написана только на тему этой главы.

Существует так много отраслей, которые мы не охватили в этом разделе (возможно, это идея для следующей книги, которую мы обещали себе не писать). Сказав это, мы не могли завершить этот раздел без блиц-обзора того, как GenAI и агенты производят фурор в нескольких других отраслях:

Автомобильная промышленность

Продвинутые системы помощи водителю (ADAS), взаимодействие после продажи, оптимизация материалов по накладной, опции «по воздуху» в салоне по заказу, ассистирование подключенного водителя, непрерывное тестирование и проверка, интеллектуальная система информирования потребителей и вовлечение, исследование инженерии, поиск потенциальных клиентов, удаленное обслуживание и диагностика, аналитика безопасности, оценка стоимости лома, «умные» автомобили, управление цепочкой поставок, все варианты использования в производстве, +++.

Банковское дело и управление активами

Ускоренная обработка кредитных заявок, борьба с отмыванием денег (AML), соответствие требованиям, тестирование пороговых значений для депозитов в конце дня, надлежащая осмотрительность клиентов и аналитика для перекрестных продаж/допродаж, снижение комиссий, оценка по Fundamental Review of the Trading Book (FRTB), проверка клиентов (KYC), отчетность по запросу, обнаружение и предотвращение мошенничества, генерация альфы24 , оптимизация *траектории движения*25 , инвестиционные консультации, максимизация разброса депозитов, мониторинг рисков, открытие новых счетов.

Безграничные возможности: Другие отрасли, где сияет GenAI | 109

26 Включает протоколы, такие как покупка онлайн, самовывоз из магазина (BOPIS), доставка из магазина (SFS), доставка в магазин (STS) и так далее.

27 Это включало бы такие задачи, как перевод (все большего количества разнообразных популяций) или переписывание на основе уровня проницательности (объяснение поддержки для старшего отличается от объяснения для подростка) и так далее.

и скрининг рисков, сокращение расходов, налоговая эффективность, анализ настроений, анализ статутного законодательства, анализ с помощью технологий, риски торговли, корректировка стоимости и многое другое.

Розничная торговля

Автоматизированное управление цепочкой поставок, управление кампаниями, физическая мода (да, Gucci bling для вашего аватара, мы туда никогда не пойдем... как будто), подгонка и размер, анализ посещаемости, гиперперсонализированный маркетинг, виртуальный консьерж в магазине, управление запасами, профиль для подбора одежды и вкусов, лояльность, оптимизация цен, логистика закупок26 , прогнозируемое техническое обслуживание, данные рынка в реальном времени, операционная платформа магазинов, дизайн стиля, суперсильные продавцы, виртуальный шоурум, +++.

Государственные услуги

Обслуживание граждан, оборона и национальная безопасность, экологическая разведка, мошенничество, юриспруденция, инклюзивность основных услуг27 , обслуживание инфраструктуры, общественная безопасность и охрана, разработка и анализ политики, обобщение законодательства и слушаний, операции с недвижимостью, составление положений о работе (SOW) и контрактов, слушания и анализ, оптимизация трафика, выявление налогового разрыва, управление отходами и переработка, профили вакцинации и оценка мнений, виртуальный государственный служащий, +++.

Строительные блоки ИИ

Итак, к чему все это нас приводит? Вернемся к Главе 3, где мы представили наше уравнение успеха ИИ (Успех ИИ = Модели + Данные + Управление + Варианты использования). Теперь, когда вы находитесь на этой части книги, мы раскрыли немного больше. Теперь мы перешли от «формулы» к «каркасу» успешного ИИ: нашим строительным блокам ИИ. И если наша Кривая создания ценности ИИ была вашим вдохновением, то строительные блоки ИИ (показанные на Figure 4-3) станут вашим фундаментом.

Как мы заявляли на протяжении этой главы (и этой книги), бизнес-ценность должна начинаться с вариантов использования, потому что лучший способ воплотить этот момент ИИ в жизнь — это говорить о том, что он значит для вашего бизнеса. Помните, что согласование между бизнес-стратегией и технологической стратегией — это полярная звезда.

110 | Глава 4: Глава о вариантах использования

Figure 4-3

Figure 4-3. Строительные блоки ИИ

Чтобы идти в ногу с технологиями и быстрее переходить от экспериментирования к развертыванию, мы хотим, чтобы вы всегда думали об этих строительных блоках ИИ. Мы посчитали, что на данном этапе книги стоит объединить все вместе, чтобы завершить главу:

Варианты использования

Целевые варианты использования должны быть способны ответить на вопрос: какие цели у меня есть для ИИ, чтобы помочь моему бизнесу? Это фокус этой главы.

Помните: Варианты использования, приносящие бизнес-ценность, а не технические проекты для развлечения.

Данные

Сильная основа данных критически важна для того, чтобы ваши данные начали работать на ваш бизнес. И дело не только в данных, которые вы направляете своей моделью; речь идет также об организации, понимании и управлении этими данными. Без этого вы на самом деле не знаете, какие данные у вас есть (при условии, что вы вообще можете их найти), безопасно ли их использовать, каковы правила допустимого уничтожения вокруг них и многое другое. Ваши данные подготавливаются для ИИ через информационную архитектуру (ИА), которую мы обсуждали в Главе 2 и далее будем рассматривать ее преимущества в Главе 8.

Помните: Вашему ИИ нужна ИА.

Модели

Правильные модели являются императивом. Этот строительный блок включает в себя соображения по стоимости, развертываемости, надежности, прозрачности и открытости, а также производительности. Появился новый класс БЯМ, называемых малыми языковыми моделями (SLM). Вы получили представление об их эффективности, когда мы говорили о помощниках по кодированию на основе ИИ ранее в этой главе. Появились новые архитектуры, такие как Mixture of Experts (MoE), используемые строителями моделей, такими как IBM, DeepSeek и Mistral. Ваша компания не будет определяться одной моделью. Это фокус Главы 7.

Помните: Одна модель не будет править всеми.

Строительные блоки ИИ | 111

Управление

Вам нужно сквозное управление, чтобы вы могли строить уверенность в своем ИИ и развертывать его по всему предприятию с той же уверенностью. Вам также понадобится это из-за постоянно растущего числа регуляций, возникающих в результате использования ИИ. Это фокус Главы 5.

Помните: Доверие будет лицензией на деятельность, потому что ИИ, которому доверяют люди, — это ИИ, который будут использовать.

Помощники

Прямо: больше производительности.

Помните: Люди обеспечивают возможности; помощники и другие формы цифрового труда обеспечивают масштабируемость.

Агенты

Агенты обеспечат масштабируемость, достигнутую вами, для новых вершин производительности благодаря более высоким уровням автономности и тому факту, что они могут учиться, запоминать и корректировать свои действия. Хотя некоторые варианты использования были рассмотрены в этой главе, мы углубимся в агентов в Главе 7.

Помните: Агенты откроют следующую волну прироста производительности для предприятия.

112 | Глава 4: Глава о вариантах использования