Но общее направление очевидно. Чем больше поток данных в сети, тем «умнее» становится бизнес, и тем больше ценности создает экосистема.
Шаг 4. Применяйте алгоритмы
Когда все бизнес-операции ведутся онлайн, возникает настоящая лавина данных. Чтобы успешно усвоить, интерпретировать и использовать эти данные, компания должна создавать модели и алгоритмы, которые помогут выявить логику продуктов или динамику рынка, которые она должна оптимизировать. Это большое креативное дело, требующее различных новых навыков, поэтому мы и видим сейчас огромный спрос на специалистов по работе с данными и экономистов. Их задача – конкретизировать, какую работу необходимо выполнять машине, и они должны четко определить, что в условиях данного бизнеса представляет собой хорошо сделанная работа.
С самого начала нашей целью в Taobao было сделать эту площадку подходящей под запросы любого человека. Это было бы невозможно без достижений машинного обучения. Сегодня, когда потребитель заходит на сайт, он видит созданную специально для него страницу с товарами, отобранными для него из миллиардов предложений миллионов продавцов. Эта подборка создается автоматически мощным движком рекомендаций Taobao. Его алгоритмы, разработанные для оптимизации коэффициента конверсии каждого визита, перелопачивают все данные, сгенерированные платформой в самых разных областях деятельности – от операций до обслуживания покупателей и безопасности.
Ключевым моментом в развитии Taobao стал переход в 2009 году от простого просмотра, который работал достаточно хорошо, пока у платформы было относительно немного посещений и предложений, к поисковой системе, поддерживаемой алгоритмами самообучения и способной обрабатывать огромные объемы запросов. Кроме того, Taobao экспериментировала с поисковыми алгоритмами визуального распознавания, которые могли по фото желаемого товара, предоставленного покупателем, найти похожие товары на платформе. Пока мы находимся лишь на начальном этапе использования этой технологии, но она уже стала очень популярной у покупателей, обеспечивая около 10 млн уникальных посещений в день.
В 2016 году Alibaba представила чат-бот на основе искусственного интеллекта, который помогает группировать потребительские запросы. Он отличается от знакомых большинству людей поставщиков механических услуг, которые запрограммированы на соответствие запросов клиентов ответам из своего «репертуара». Чат-боты Alibaba «обучены» опытными представителями продавцов Taobao. Они знают все о товарах в своих категориях и прекрасно ориентируются в механике платформы Alibaba – условиях возврата, стоимости доставки, коррекции заказов – и прочих часто задаваемых клиентами вопросах. С помощью различных технологий машинного обучения, таких как семантическое понимание, контекстные диалоги, графы знаний, интеллектуальный анализ данных и глубинное обучение, чат-боты быстро улучшают свою способность автоматически диагностировать и решать проблемы потребителей вместо того, чтобы просто выдавать запрограммированные ответы, которые должны подталкивать потребителя к дальнейшим действиям. Они получают от потребителя подтверждение, что предложенное решение его устраивает, а затем исполняют его. При этом никто из сотрудников Alibaba или продавцов не участвует в этом лично.
Чат-боты также могут вносить существенный вклад в доходы продавца. Например, бренд одежды Senma начал использовать такой бот год назад и обнаружил, что его продажи в 26 раз выше, чем у лучших продавцов-людей компании.
Конечно, необходимость в представителях-людях сохранится, потому что именно они продолжают решать сложные или личные вопросы, но способность чат-ботов обрабатывать типичные запросы очень полезна, особенно в дни больших продаж или специальных акций. Ранее большинство крупных продавцов на нашей платформе нанимали временных работников для обработки запросов во время важных событий. Больше этого не происходит. В день крупнейшей распродажи на Alibaba в 2017 году чат-бот обработал более 95 % потребительских запросов, ответив приблизительно 3,5 млн человек.
Эти четыре шага – фундамент построения умного бизнеса. Займитесь творческой обработкой данных, чтобы обогатить пул информации, которую использует ваш бизнес, чтобы стать умнее; обеспечьте ПО, которое переведет все рабочие потоки и главных действующих лиц в онлайн; установите стандарты и API, чтобы передавать и координировать данные в реальном времени; и применяйте алгоритмы машинного обучения для принятия умных бизнес-решений. Все виды деятельности, связанные с этими четырьмя шагами, являются важными новыми компетенциями, которые требуют нового типа лидерства.
На моем курсе умного бизнеса в Хупаньской школе предпринимательства я показываю студентам слайд с фотографиями десяти бизнес-лидеров и прошу их назвать. Они легко узнают Джека Ма, Илона Маска и Стива Джобса. Но почти никто не знает в лицо гендиректоров CitiGroup, Toyota или General Electric.
На это есть своя причина. В отличие от GE, Toyota и CitiGroup, которые поставляют товары или услуги через оптимизированные цепочки поставок, цифровые компании должны использовать сеть, чтобы реализовать свое видение. Для этого их лидерам нужно вдохновлять сотрудников, партнеров и потребителей, которые включены в эту сеть. Они должны быть визионерами и евангелистами, высказываясь так, как нет необходимости высказываться лидерам традиционных компаний.
На самом высшем уровне цифровые евангелисты должны осознавать, что будущее определяется тем, как реагируют их отрасли на социальные, экономические и технологические перемены. Они не могут описать конкретные шаги, необходимые для достижения целей их компаний, потому что окружающая их среда слишком подвижна, а способности, которые могут им понадобиться, пока неизвестны. Вместо этого они должны определить, чего хочет достичь их компания, и создать такую среду, в которой сотрудники смогут быстро осваивать и связывать воедино экспериментальные продукты, тестировать рынки и масштабировать идеи, которые получают положительный отклик. Цифровые лидеры больше не управляют; скорее, они позволяют работникам внедрять инновации и облегчают основной цикл обратной связи, связанный с реакциями пользователей на решения и выполнение их компанией.
В модели умного бизнеса алгоритмы машинного обучения берут на себя бо́льшую часть задачи постепенных усовершенствований, автоматически корректируя систему и повышая ее эффективность. Таким образом, главная работа лидера – это культивирование креативности. Его задача – повышать уровень успешности инноваций, а не эффективность операций.
Компании, которые, как Alibaba, изначально были цифровыми, обладают преимуществом в онлайн-деятельности и обработке данных, поэтому их преобразование в умный бизнес обычно происходит естественным путем. Сейчас, когда уже доказано, что модель работает и меняет старую индустриальную экономику, настало время всем компаниям понять и применять эту новую логику бизнеса. Это может казаться пугающим с технологической точки зрения, но на самом деле вполне осуществимо – чем дальше, тем легче. Коммерциализация облачных технологий и искусственного интеллекта сделала огромные вычислительные и аналитические мощности доступными для всех. Действительно, стоимость хранения и обработки огромных массивов данных значительно снизилась за последние десять лет. Это означает, что применение машинного обучения в реальном времени стало возможным в самых разных отраслях. Быстрое развитие технологии интернета вещей будет все больше «оцифровывать» наше физическое окружение, генерируя еще больше данных. По мере накопления подобных инноваций победителями в ближайшие десятилетия окажутся те компании, которые стали «умными» раньше, чем их конкуренты.
Впервые опубликовано в выпусках за сентябрь – октябрь 2018 года.
