Последние пару десятилетий были довольно мрачными для корпоративных технологий.

Хотя работа стала быстрее, гибче и безумнее, технологии, лежащие в основе нашей работы, остались прежними.

К счастью, 2019 год выглядит годом, когда это наконец изменится.

Захватывающая новая волна корпоративных технологий вот-вот изменит то, как мы работаем, и все они основаны на одной и той же преобразующей технологии.

Эта технология называется предиктивная аналитика.

Предиктивная аналитика уже лежит в основе подавляющего большинства технических приложений, которые доминируют в нашей жизни: Google, Amazon, Facebook, Uber, Netflix.

Три различные тенденции сошлись воедино, чтобы сделать 2019 год годом, когда эта технология окончательно изменит то, как мы работаем. И если это так, 2019 год, вероятно, станет самым влиятельным годом в области корпоративных технологий, который мы видели за последнее поколение.

Но сначала о том, что такое прогнозная аналитика…

Предиктивная аналитика просто относится к использованию исторических данных для прогнозирования будущих событий. В этом смысле он не нов. Люди делали это в той или иной форме почти всегда.

Что изменилось — и продолжает меняться с каждым годом все быстрее — так это способность технологий улучшать масштаб и точность этих прогнозов.

Эти улучшения, которые мы наблюдаем в этой области даже за последние пять лет, действительно изменили нашу жизнь.

Большая часть вашей жизни уже регулируется прогностическими технологиями. Если вы встаете утром и спрашиваете Алексу о погоде, открываете Google Карты, чтобы проверить пробки по пути на работу, заказываете Uber, чтобы добраться туда (и отказываетесь от завышенных цен), или отсутствуете намеренно проверяйте свою ленту Facebook, пока вы ждете ее прибытия, вы уже извлекли выгоду из технологии прогнозирования.

Технологии прогнозирования за последнее десятилетие изменили почти все основные сферы вашей жизни, за одним заметным исключением: вашей работой.

В то время как потребительские технологии стремительно шагнули вперед за последние два десятилетия, корпоративные технологии — технологии, поддерживающие нашу работу — остались позади. Это историческая аномалия. С самого начала развития технологий и, конечно же, со времен промышленной революции работа всегда была тем местом, где вы ожидали увидеть первые волны технологических инноваций.

Тем не менее, несмотря на радикальные изменения в том, как мы работаем за последние пару десятилетий, очень мало технологий, поддерживающих вашу работу, включают в себя технологии прогнозирования: вы по-прежнему составляете свое собственное расписание, пишете свои электронные письма, ищете свою информацию, отвечаете на повседневные и повторяющиеся просьбы.

Сошлись три тенденции, которые сделают 2019 год годом, когда работа, наконец, станет предсказательной.

1. Информационный кризис на работе достиг критической точки

Это избитый довод о том, что век интернета выбрасывает больше информации, чем мы разумно знаем, что с ней делать.

На рубеже прошлого века объем информации, доступной среднему человеку, удваивался примерно каждые 500 лет. К началу этого века он удваивался каждые два года. Сегодня мы удваиваем объем информации, к которой имеем доступ примерно каждый месяц.

Неудивительно, что нигде это не проявляется так остро, как на работе. По мере того, как экономика продолжает переход к экономике знаний, все больше и больше рабочих мест зависят от способности обрабатывать информацию и действовать на ее основе. Однако огромный объем полезной информации, с которой приходится иметь дело среднему работнику, выходит из-под контроля. Согласно отчету McKinsey, сегодняшние работники сейчас тратят около 20% своего времени только на обработку различных потоков информации, направленных на них, просто на выполнение своей работы.

По сути, сегодняшние предприятия платят работникам за пять дней, а получают только за четыре.

Это не просто вопрос потерянного времени. Мы также получаем все более четкое представление о влиянии информационной перегрузки на производительность.

Гарвардское исследование задокументировало явно нелинейные эффекты доступа к информации, подчеркнув, что довольно быстро производительность не просто стабилизируется, но фактически снижается при получении большего количества информации. Эта проблема проявляется не только в менее точном запоминании соответствующей информации, но и в менее эффективном общем принятии решений. Как говорится в другом исследовании, работники, подвергающиеся информационной перегрузке, производят меньше продукции, думают поверхностно и генерируют меньше новых идей, несмотря на то, что работают все больше часов.

Во многом наше понимание издержек информационной перегрузки на работе идет по тому же пути, что и революция осознанности почти десять лет назад. Поскольку количество полезной информации, которую мы должны обрабатывать, продолжает расти, а количество свидетельств издержек информационной перегрузки продолжает расти, рабочие места больше не могут игнорировать преобразующие преимущества технологии прогнозирования как решения.

Что делает прогностические технологии такими мощными, так это их способность оптимизировать информационную нагрузку на людей. Почему карты Google так популярны? Поскольку при расчете вашего маршрута до работы он не просто измеряет кратчайшее расстояние, он также анализирует исторические данные, например, каким был исторический трафик — вчера, на прошлой неделе, год назад — а также принимает во внимание информацию, такую ​​​​как ежедневные события календаря. и приспосабливается к тому, является ли это обычным рабочим днем, праздником или даже дорожными гонками, которые приведут к перекрытию улиц. Это была вся информация, которую люди привыкли (или забыли!) обрабатывать. Информационная нагрузка теперь сводится к запоминанию ключей от машины.

2. ИИ изменил наши возможности прогнозирования

Вторая сила, побуждающая нас к тому, чтобы работа становилась более прогнозируемой, — это тот простой факт, что прогнозы теперь стали намного лучше благодаря искусственному интеллекту.

Эффективные прогнозы в основном основаны на способности находить значимые закономерности в наборах данных. Как я уже писал ранее, это задача, для которой ИИ удивительно хорошо подходит. Беспрецедентная способность ИИ обрабатывать больше входных данных и генерировать более точные аналитические данные изменила наши возможности прогнозирования.

Больше входных данных из большего количества данных и лучших источников

Возможность анализировать больше данных важна — новаторское использование графических процессоров в ИИ увеличило пропускную способность вычислений более чем в 20 раз. Однако по-настоящему преобразующее преимущество ИИ заключается в его способности добавлять в наш анализ дополнительные источники данных в виде неструктурированных данных. Неструктурированные данные относятся к таким вещам, как текст, голос, аудио и видео, а также к другим типам более сложных наложений, таких как анализ настроений, к традиционному использованию структурированных данных, таких как числа и даты или другие заранее определенные формы ввода.

Добавление этих богатых и разнообразных источников неструктурированных данных — это то, что существенно отталкивает нас от традиционной аналитики и приближает нас к пониманию человеческого уровня. А в сочетании с большим объемом мы внезапно имеем дело с обработкой на человеческом уровне, но в экспоненциально большем масштабе.

Более подробные сведения благодаря глубокому обучению

Обладание возможностями человеческого уровня в экспоненциальном масштабе, безусловно, впечатляет, но даже помимо этого ИИ изменил точность наших прогнозов за счет применения методов машинного обучения, таких как глубокое обучение.

Глубокое обучение относится к процессу, посредством которого компьютеры используют многоуровневые (глубокие) алгоритмы для имитации функций мозга. Что делает этот подход настолько эффективным для целей прогнозирования, так это способность этих моделей выполнять то, что известно как автоматическое извлечение признаков, то есть способность идентифицировать сложные функции из собственного процесса отображения. И это та инновация, которая выводит нас за пределы зависимости от человеческого руководства. Именно здесь модели начинают думать самостоятельно, находя соответствующие модели и идеи, которые просто не поддаются наблюдению аналитическими способностями человека.

Как выразился один из консультантов по технологиям Кремниевой долины, когда дело доходит до технологий прогнозирования, ИИ не только лучше обрабатывает цифры, чем люди, но и позволяет нам отвечать на вопросы, о которых мы даже не подозревали. мы должны спросить.

3. Переход корпоративных технологий на потребителя завершен

Последняя причина, по которой 2019 год обещает стать годом, когда вы начнете видеть возможности прогнозирования на рабочем месте, является наиболее запоздалой: потребительство корпоративных технологий уже завершено.

За последние 20 лет — в основном из-за того, что ИТ-отделы и отделы закупок чрезмерно усердно оправдывали свое существование — корпоративные технологии превратились в унылую заводь с бесконечными списками функций и почти теперь думают о пользовательском опыте.

К счастью, повсеместное распространение потребительских технологий, в значительной степени обусловленное iPhone, изменило ожидания потребителей в отношении переносимости и производительности технологий, а быстрое распространение облачных вычислений улучшило доступность для корпоративных потребителей, устранив необходимость в крупномасштабных установках программного обеспечения.

Чтобы получить представление об этих изменениях, просто посмотрите на изменение соотношения дизайнеров и инженеров, нанятых компаниями-разработчиками корпоративного программного обеспечения в прошлом. Всего за пять лет он вырос примерно с 1:50 до 1:7. Возможно, окончательным доказательством этого изменения является тот факт, что в 2017 году одной из 10 самых инновационных дизайнерских компаний Fast Company было приложение для расчета налогов для малого бизнеса.

Потребители теперь требуют, чтобы технологии на работе ощущались так же, как технологии в остальной части их жизни. Как заметил легендарный швейцарский дизайнер Ив Бахар: Дизайн ускоряет принятие новых идей.

Но важность консьюмеризации заключается не только в улучшении принципов проектирования, она представляет собой фундаментальное изменение корпоративной технологии от того, что допустимо (т. е. обязательного сверху вниз), к чему-то желаемому (т. Это сила, которая будет способствовать максимальному ускорению внедрения корпоративных технологий. Все чаще вы сможете внедрить нужную корпоративную технологию, когда захотите, независимо от ИТ-мандата вашей организации.

Именно эта реальность создала самую быстрорастущую корпоративную технологию. Slack применил простые принципы обмена сообщениями в социальных сетях, такие как групповые чаты, смайлики, гифки и мемы, чтобы заново изобрести категорию общения на рабочем месте. Но что сделало его по-настоящему революционным, так это то, как оно стимулировало принятие от пользователей через бизнес, а не наоборот. Ему не нужно было убеждать бизнес-лидеров, что это лучше, он просто указал сотням существующих пользователей в каждом бизнесе для продажи корпоративных решений.

Это модель, которая закрепится в 2019 году и станет движущей силой ускоренного внедрения корпоративных технологий.

Что это значит для вас в 2019 году?

Каждая из этих трех тенденций — кризис информационной перегрузки, применение ИИ и потребительство корпоративных технологий — предполагает, что 2019 год станет годом, когда работа наконец-то станет прогнозируемой.

Практически говоря, вы можете многое сделать, чтобы стать первым бенефициаром этого.

Уже сегодня на рынке существует множество приложений для прогнозирования на основе ИИ, которые вы можете использовать сегодня, чтобы сделать свою работу проще, эффективнее и продуктивнее — от операционных улучшений, таких как прогнозное управление планированием с помощью x.ai, до функциональных улучшений, таких как прогнозная оптимизация воронок, приносящих доход. с решетчатыми двигателями. Скорее всего, если какая-то область вашей работы неэффективна, есть технологическое решение, которое стоит попробовать.

И опыт других подсказал, что стоит попробовать. В исследовании эффективности раннего внедрения предиктивной аналитики 90 % респондентов сообщили о положительной окупаемости инвестиций в технологии, которые были внедрены в их организации, а более 50 % заявили, что даже их наименее успешное развертывание по-прежнему приводило к чистой выгоде для их компании. Работа.

И поэтому, если эти тенденции сохранятся, и если влияние этой технологии на нашу работу будет хоть сколько-нибудь похоже на то, что мы видели в остальной части нашей жизни, у нас есть очень веские основания ожидать, что 2019 год станет самым влиятельным годом в истории. корпоративная технология, которую мы видели в поколении.

В Asta мы применяем технологию прогнозирования, чтобы преобразовать поток информации на работе. Вы можете проверить это здесь".

Вы также можете подписаться на меня напрямую в LinkedIn и Twitter, чтобы узнать больше о нашем будущем ИИ.