Одной из недавно завершенных книг, прочитанных в полете, была книга «Человек + машина» Пола Догерти и Джеймса Уилсона из Accenture — бизнес-образование о том, как компании могут использовать различные методы машинного обучения, чтобы овладеть бизнесом уже сегодня. :
ИИ и машинное обучение в последнее время пожинают много похвал, поэтому выбор идеальной книги на эту тему созрел для ажиотажа и запутывания и отсутствия реального влияния на итоговый результат: все еще понимание того, что такое контролируемое или неконтролируемое обучение или байесовские методы обновления (обычно эксперты говорят использовать и то, и другое) — важно, но все это обновления функций расширенной аналитики, которые сделали отрасли, работающие с данными.
По мере того, как они доводили аппаратное и сетевое оборудование до предела и давали поставщикам возможность предлагать аналитику данных как услугу всем: теперь доступны инструменты машинного обучения — утилита, которую может использовать почти каждый. Таким образом, выбор тактики превращения машинного обучения в мудрое дополнение, а не в бремя затрат — вот в чем эта книга вносит свой вклад.
Почему? Все чаще речь идет о задержке реакции на каждую проблему пользователя и упреждающем управлении отношениями, которые перешли из офлайн и личных в онлайн. Это следует из парадокса Джевона: снижение стоимости компенсируется увеличением в разы того, как потребляется полезность: по мере того, как пользователи (в финансовых службах и во всех других доменах на основе IP) переходят к подключению и отношениям на свои личные мобильные устройства возможности узнать баланс, заказать товар или пожаловаться на проблему выросли в геометрической прогрессии.
Таким образом, в основном улучшения существующих процессов, используемых для офлайн-коммуникации, недостаточно — и почему, например, банки терпят неудачу в цифровых технологиях, просто обновляя свои офлайн-настроенные процессы.
Необходимо перестроить обслуживание клиентов и маркетинг с помощью анализа данных, чтобы:
- Предвидеть поведение
- Предотвращать нежелательное поведение и предлагать меры для поддержания высокого уровня удовлетворенности.
- Используйте алгоритмы для управления событиями практически в реальном времени.
Ожидание ответа в мире реального времени сродни возвращению в «современный» мир, где из-за задержки приходилось ломать клавиатуру — процедура мгновенного удовлетворения теперь полностью обучена и подвергается стрессу, если что. идет медленнее мгновенного. Просто перестроить старые классические процессы посредничества фронт-бэк-офиса, которые позволяли обедать из трех блюд и играть на полях для гольфа, больше не допускается.
В книге описан основанный на правилах подход к разработке функции AI+ML и содержится предупреждение о том, что творческая часть и способность правильно разработать и реализовать функцию по-прежнему зависят от человека. Создание функции «мусор на входе — мусор на выходе» скорее будет раздражать пользователей и затруднит доверие к процессу автоматизации.
Мой пост 2016 года о парадоксе Джевонса и важности дизайна
