Человек + машина - читать онлайн книгу. Автор: Пол Догерти, Джеймс Уилсон cтр.№ 55

Результаты экономических исследований, выполненных на основе количественных методов, только усиливают эти опасения. Как показало одно подобное исследование, «при отсутствии надлежащей налоговой политики, обеспечивающей перераспределение средств от победителей к проигравшим, из-за умных машин все могут оказаться на долгое время в бедственном положении» ^[182]. Следует отметить, что подобные количественные исследования в большинстве своем фокусируются на отраслевых трендах, при этом упуская из виду то, что стоит за повседневными процессами и практиками.

В ходе наших собственных исследований (в том числе наблюдений и изучения кейсов 450 компаний из общей выборки в 1500) мы смогли выявить ряд важных закономерностей, которые были упущены при количественном анализе. Такой стала концепция интегрированных навыков, то есть создание новых профессий и возникновение новых умений на базе слияния возможностей человека и машины. Это формирует «недостающую середину», о которой до сих пор предпочитают не говорить в рамках дискуссий о занятости, традиционно разводя людей и машины по разные стороны баррикад. Именно в области «недостающей середины» ведущие компании трансформируют бизнес-процессы и добиваются значительного роста эффективности. Чтобы прийти к таким результатам, необходимо изменить организационную структуру компаний, вложив соответствующие средства, в том числе в переподготовку сотрудников для работы в области «недостающей середины».

Для того чтобы определить, как компании будут совершать переход в новую эпоху взаимодействия человека и машины, сначала необходимо понять, как руководители используют искусственный интеллект уже сейчас. В первой части данной книги мы рассказали о разных областях применения систем искусственного интеллекта в производстве и логистике (глава 1), в бэк-офисе (глава 2), в области исследований, разработок и бизнес-инноваций (глава 3), а также в маркетинге, продажах и обслуживании клиентов (глава 4). Изучив сферы применения ИИ-систем, мы получили четкое видение нашего будущего, а также выявили способы, посредством которых компании заполнят «недостающую середину», создадут новые и трансформируют существующие профессии, открывая новаторские возможности в экономике и сфере трудоустройства.

Наши исследования продемонстрировали, насколько новые профессии отличаются от традиционных. Уже сегодня 61% функционала сотрудника из области «недостающей середины» требует от него выполнять совершенно иные задачи и использовать иные методы работы, что, в свою очередь, вынуждает компании трансформировать бизнес-процессы и заниматься переподготовкой персонала. Как мы говорили в главе 5, к числу новых задач относится обучение моделей данных, или разъяснение и обеспечение устойчивости систем искусственного интеллекта. В главе 6 мы обсудили, что новые задачи требуют новых подходов, основанных на расширенных возможностях, взаимодействии и физическом воплощении, для выполнения работы с эффективностью, выходящей за пределы человеческой природы. Для того чтобы понять и по достоинству оценить эти отличия, необходимо наблюдать их в непосредственной близости, а не полагаться на результаты исследований, далеких от практики.

Однако лишь немногие из нашей выборки начали использовать потенциал интегрированных навыков, что позволило им переосмыслить свой бизнес, операционные модели и рабочие процессы, придерживаясь инновационного подхода. Эти компании (General Electric, Microsoft, BMW, Google, Amazon и др.) признают, что инвестиции в искусственный интеллект не относятся к числу типичных: их ценность возрастает со временем, что, в свою очередь, повышает и ценность участвующих в этом взаимодействии сотрудников. Когда человек и машина получают возможность делать то, что у каждого получается лучше всего, формируется добродетельный цикл более продуктивной работы, который повышает производительность, обеспечивает удовлетворенность работой и создает условия для широкого внедрения инноваций. Такие компании становятся лидерами в своих отраслях благодаря изменению функционала и внедрению программ обучения и переподготовки на основе новой совокупности лидерских практик (см. главу 7). Первые успехи этих компаний подтвердили, что они на правильном пути.

К сожалению, большинство организаций слишком медленно заполняют «недостающую середину», а значит, идут к поставленным целям не спеша. В США остаются открытыми 6 миллионов вакансий, из которых 350 тысяч в производственной сфере не закрыты из-за нехватки квалифицированных работников ^[183]. В двенадцати крупнейших странах мира (по размеру ВВП на душу населения) 38% работодателей сообщают о трудностях при заполнении вакантных рабочих мест ^[184]. Проблема не в том, что роботы вытесняют людей, а в том, что работники не обладают навыками, необходимыми для профессий, возникающих и стремительно развивающихся под влиянием новых технологий. По мере внедрения систем искусственного интеллекта и переосмысления бизнес-процессов эта проблема будет только усугубляться. Так, сто крупнейших работодателей мира заявляют о том, что более трети навыков, пока не играющих большой роли, станут востребованными к 2020 году ^[185].

Пробел в навыках наблюдается и при цифровизации производства. По мере того как заводы становятся все более высокотехнологичными, увеличивается потребность в сотрудниках, способных работать с интеллектуальным ПО. Это уже осознала компания Siemens, и к 2020 году она планирует нанять еще 7 тысяч человек на должности, связанные с компьютерными науками, обучением и использованием коботов, разработкой программного обеспечения. Однако подобные должности не включены в традиционные отчеты о проблемах и перспективах рынка труда в эпоху искусственного интеллекта, в то время как по мере его внедрения будет размываться грань между синими и белыми воротничками, между новыми и старыми профессиями. «Специальности в области информационных технологий и разработки программного обеспечения не всегда относят к числу производственных профессий, — говорит CEO американского подразделения Siemens Эрик Шпигель, — однако на самом деле они имеют непосредственное отношение к производству» ^[186].