скрытые в них эмоции. Тот же принцип применяется к изучению голосов и языков. Результаты колоссальные, но требуются десятилетия для их достижения. В робототехнике успехи пока скромные. Роботы научились копировать наши движения тел в ответ на внешние раздражители, но они не преуспели в воспроизведении грациозности.
Компьютеры могут легко превзойти человеческие способности, которые большинство людей считают нашими основными активами – логическое мышление и размышление. Наоборот, на имитацию того, что кажется естественным для людей, машинам требуются десятилетия и колоссальные вычислительные мощности. Навыки, которые некоторые люди часто считают чем-то само собой разумеющимся, – это то, что отличает нас от компьютеров. Это парадоксально.
Разновидности обработки информации
Ключевой фактор, определяющий различия между людьми и компьютерами, – это способности обрабатывать информацию. В области управления знаниями существует иерархия, известная как DIKW-пирамида: данные (англ. data), информация (англ. information), знания (англ. knowledge) и мудрость (англ. wisdom). Отчасти вдохновленные пьеса Т. С. Элиота «Скала», существуют различные версии этой иерархии от различных авторов. Мы используем шестиступенчатую модель, добавив шум и выводы в DIKW-пирамиду (см. рисунок 7.2).
Рисунок 7.2. Иерархия управления знаниями
Данные, информация и знания – это признанные области машин. Компьютеры достигли отличных успехов в обработке неструктурированных данных в значимую информацию с быстротой и практически без ограничений. Новая полученная информация затем добавляется в резервуар соответствующей информации и другие известные контексты для развития того, что называется знанием. Компьютеры организуют и управляют этим богатством знаний в своем хранилище и могут извлекать их при необходимости. Количественная природа и большие вычислительные объемы делают машины идеальными для такой работы.
С другой стороны, три несколько беспорядочных и интуитивных элемента (шум, выводы и мудрость) – это в рамках человеческих реалий. Шум – это искажение или отклонение от данных и может сильно отвлечь при группировке данных в структурированные кластеры. Пример шума – это выброс, который компьютер быстро распознает как сильное отклонение в наборах данных. Но резко отклоняющееся значение может быть как и действительной переменной, так и ошибкой. И единственный способ это определить – через субъективную оценку на основе понимания реального мира. И это то, где люди – из бизнеса, а не области наук о данных – играют роль в определении: оставить или отфильтровать сильно отклоняющееся значение.
Суждение человека при фильтрации шума имеет ключевое значение. В некоторых случаях закономерности могут быть открыты при обнаружении аномалий, или, другими словами, сильно отклоняющихся значений. Многие исследователи рынка и этнографы часто обнаруживают значимые закономерности, наблюдая за нетипичным поведением покупателей. Они также часто целенаправленно наблюдают за пользователями на крайних концах спектра нормального распределения для нахождения идей за пределами нормы. В силу своей редкости, эти необычные наблюдения часто считаются статистически незначимыми. Качественные аспекты нахождения закономерностей за пределами общепризнанных знаний – это то, что лучше всего подходит для интуитивной природы человека.
На вершине пирамиды находится мудрость, которую, возможно, машинам сложнее всего копировать с людей. Она помогает нам принимать правильные решения на основе набора беспристрастного взгляда, здравого суждения и соображений этического порядка. Никто не знает точно, как мы развиваем мудрость в течение нашей жизни. Но большинство людей согласились бы, что мудрость приходит на основе практического, а не теоретического опыта. Другими словами, люди учатся как на положительных, так и на отрицательных последствиях своих прошлых решений, и со временем их мудрость заостряется. В отличие от узкого машинного обучения, этот процесс очень широкий и покрывает все аспекты человеческих жизней.
В области рыночных исследований компьютеры могут помогать маркетологам обрабатывать информацию и создавать рыночные симуляционные модели. Но в конечном счете маркетологи должны пользоваться своей мудростью для выявления реалистичных выводов и принятия правильных решений. Часто людям требуется отменять рекомендованные искусственным интеллектом решения.
Яркое этому свидетельство – это инцидент с авиакомпанией и участием Дэвида Дао, который был силой выдворен с рейса United flight в 2017 году. Четыре пассажира должны были освободить место для сотрудников авиакомпании, которым срочно потребовалось быть на борту самолета. Направленный на максимизацию прибыли алгоритм определил Дао как одного из пассажиров, которые должны покинуть самолет из-за того, что у него был статус покупателя «с наименьшей ценностью», которая оценивает пассажиров на основе статуса в программе лояльности часто летающих пассажиров и класса билета. Но значительный факт, который компьютер не смог распознать, – это то, что Дао – врач, которому было необходимо посетить пациента на следующий день. Бездумное следование предвзятости компьютера без учета эмпатии часто приводит к неверным решениям. Грубое обращение в этой ситуации также является свидетельством того, что не была учтена важность контакта с человеком в рамках клиентского опыта.
Совместные размышления людей и машин
Люди и машины могут также сотрудничать в конвергентном и дивергентном мышлении. Компьютеры известны своей способностью к конвергентному мышлению: определению закономерностей и кластеров в неструктурированных наборах данных, которые включают не только текст и числа, но также изображения и аудиовизуальные записи. Человек, напротив, хорош в дивергентном мышлении: разработке новых идей и поиске новых потенциальных решений.
Эти взаимодополняющие функции имеют колоссальный потенциал, например в улучшении эффективности рекламы. Компьютеры могут быстро просматривать миллионы рекламных роликов и обнаруживать корреляции между базовыми креативными параметрами (цветовая схема, текст и схема размещения) и результатами (уровень осведомленности, эмоциональная привлекательность и конверсия в покупку). Это может быть сделано либо через предварительное размещение при тестировании творческих гипотез, либо путем аудита исторических данных об успешности рекламных кампаний. Компания Chase, например, использует искусственный интеллект от Persado для копирайтинга. В креативном тестировании программное обеспечение умудрилось превзойти экспертов-копирайтеров в получении наивысшей кликабельности. Выбор слов был сделан на основе массивной базы слов с рейтингом по их эмоциональной привлекательности.
Бренд-менеджеры и креативные рекламные агентства не должны воспринимать это как угрозу. Все еще никакая машина не может заменить человека в написании агентских брифов и создания рекламного текста с нуля – то есть в создании позиционирования бренда, который бы откликался у аудитории, и в переводе его в правильное сообщение. Компьютеры также не идеальны для разработки аутентичных и инновационных рекламных кампаний. Однако искусственный интеллект может помогать оптимизировать рекламу, подбирая лучше слова, цвета и схемы размещения.
Люди и машины при взаимодействии с клиентом
При взаимодействии с клиентом люди и машины могут также работать сообща. Обычно выбор канала зависит от сегмента клиента. Взаимодействия с людьми обычно закрепляются за многообещающими потенциальными покупателями и самыми ценными клиентами из-за высокой стоимости обслуживания. Тем временем машины занимаются квалификацией потенциальных покупателей, а также взаимодействием с низкоприбыльными клиентами. Сегментация сервиса позволяет бизнесу контролировать издержки, в то
