Технологический долг устаревших систем

Технологический долг устаревших систем создает существенные проблемы для бизнеса:

Медленный темп инноваций. Системы, созданные с использованием устаревших и сложных для понимания языков, серьезно ограничивают способность организации адаптироваться и внедрять инновации.

Ограниченная совместимость с современными каналами. Устаревшие технологии обычно плохо интегрируются с современными каналами, требующими данных в реальном времени и расширенного подключения.

Медленное реагирование на нормативные требования. Постоянно меняющиеся нормативные требования становится все сложнее и дороже соблюдать.

Риск устойчивости. Недостаточное понимание принципов работы систем в сочетании с ограниченными возможностями автоматизации и зачастую ручным тестированием приводит к проблемам нестабильности, которые трудно предсказать и устранить.

Высокие эксплуатационные расходы. Стоимость эксплуатации устаревших систем часто значительно выше, чем у современных систем. Например, для крупного европейского банка 70% его ИТ-мощностей было потрачено на поддержание устаревших систем.

Неэффективное использование капитала. Затраты на эксплуатацию устаревших систем не позволяют инвестировать в более ценные разработки.

Непривлекательность для лучших специалистов. Ведущие программисты и инженеры-программисты с меньшей вероятностью присоединятся к бизнесу, использующему устаревшие системы и устаревшие языки, которые они не понимают и не ценятся на рынке талантов.

Великая конвергенция

Когда необходимость, изобретение и инновация сходятся, результатом становится преобразующее изменение. От парового двигателя до искусственного интеллекта периоды экономического, общественного и технологического напряжения постоянно выдвигали инновации-изобретения на новые высоты. Эти переломные моменты — где высокие потребности встречаются с прорывными идеями — могут приводить к беспрецедентным скачкам производительности, изменяя отрасли, экономики и даже целые цивилизации.

КОГДА НЕОБХОДИМОСТЬ ДВИЖУЩАЯ ИННОВАЦИИ

История отмечена моментами, когда человечество было вынуждено меняться не по собственному выбору, а из-за острой необходимости. Нехватка продовольствия, ограниченность ресурсов, рост населения и глобальные конфликты — все это создавало давление, которое нельзя было игнорировать. В ответ на это изобретатели, предприниматели и дальновидные лидеры оказались на высоте, представив преобразующие идеи, которые изменили экономику и общество. От изобретения парового двигателя до открытия новых источников энергии необходимость постоянно служила катализатором прорывов, которые продвигали нас в новые эпохи производительности.

ЭРА И КОНТЕКСТ	НЕОБХОДИМОСТЬ	ИННОВАЦИИ	КОНВЕРГЕНЦИЯ
Промышленная революция (18-19 века)	Быстро растущее население и растущий спрос на товары превзошли эффективность традиционного ручного труда и аграрной экономики.	Паровые двигатели, механизированное текстильное производство и фабричная система произвели революцию в производстве, заложив основу современной промышленной парадигмы.	Огромное давление, направленное на удовлетворение растущих потребностей потребителей и общества, сочеталось с прорывами в области машиностроения, что стало катализатором массового производства, урбанизации и устойчивого экономического роста.
Вторая промышленная революция (конец 19-го – начало 20-го века)	По мере ускорения мировой торговли, роста городов и бурного развития потребительских рынков резко возрос спрос на более эффективное производство и транспорт.	Электричество, двигатели внутреннего сгорания, конвейерное производство и массовое производство стали способствовали резкому росту производительности, преобразовав характер труда.	Новая волна промышленных и экономических императивов пересеклась с новыми технологиями, что привело к появлению современной инфраструктуры, цепочек поставок и беспрецедентного уровня жизни.
Бум после Второй мировой войны (1945-1970-е гг.)	Разрушенная войной экономика нуждалась в быстром восстановлении, а нехватка рабочей силы требовала повышения эффективности как в производстве, так и в сфере услуг.	Автоматизация, мэйнфреймы, достижения в области полупроводников и оптимизация логистики кардинально изменили промышленность и мировую торговлю.	Необходимость послевоенного восстановления стимулировала промышленные инновации и создала экономический «золотой век», отмеченный резким ростом производительности труда, повышением заработной платы и расширением среднего класса.
Цифровая революция (1970-е годы — настоящее время)	Глобализация и растущая экономическая сложность потребовали более эффективных способов хранения, анализа и распространения информации в больших масштабах.	Микропроцессоры, персональные компьютеры, Интернет и искусственный интеллект изменили характер работы со знаниями, демократизировав доступ к информации и обеспечив возможность совместной работы в режиме реального времени.	Правительства, корпорации и частные лица в равной степени приняли цифровизацию, создав среду гиперсвязности и повышения производительности на основе данных.
Пандемия COVID-19 и ускорение развития искусственного интеллекта (2020-настоящее время)	Карантины, удаленная работа, сбои в цепочках поставок и возросшие требования к здравоохранению усилили потребность в более гибких и устойчивых экономических моделях.	Искусственный интеллект, облачные вычисления, цифровые инструменты совместной работы, вакцины на основе мРНК и автоматизация развиваются с головокружительной скоростью, чтобы соответствовать новым ограничениям.	Необходимость поддержания экономической активности и спасения жизней привела к быстрому внедрению автоматизации на основе искусственного интеллекта, платформ удаленного сотрудничества и прорывам в области биотехнологий.

УРОКИ ИСТОРИИ

Промышленная революция (18–19 века): рост населения и увеличение спроса на товары превзошли возможности аграрных экономик, основанных на ручном труде. В ответ на это новаторы представили паровой двигатель, механизированное текстильное производство и фабричную систему. Это слияние необходимости и изобретения подготовило почву для массового производства, ускоренной урбанизации и современной промышленной модели. Главный урок заключается в том, что когда методы производства больше не могут удовлетворять общественные потребности, целенаправленные технологические прорывы могут трансформировать целые секторы, закладывая основу для устойчивого экономического прогресса.

Вторая промышленная революция (конец 19-го – начало 20-го века): глобальная торговля, расширение городов и растущий класс потребителей подчеркнули необходимость более эффективного производства и транспорта. Электричество, двигатель внутреннего сгорания, конвейерное производство и крупномасштабное производство стали стали решениями. Переплетая эти достижения с насущными экономическими потребностями, общества преобразовали инфраструктуру и радикально повысили уровень жизни. Здесь мы узнаем, что одновременные достижения в нескольких технологиях – при стратегическом развертывании – открывают квантовые скачки в производительности и переопределяют то, как люди живут и работают.

Послевоенный бум (1945–1970-е гг.): после мирового конфликта странам пришлось восстанавливать разрушенную экономику и решать проблему нехватки рабочей силы. Автоматизация, мэйнфреймы, полупроводниковые технологии и оптимизированная логистика стали ключевыми ответами на эти требования. Такое сочетание необходимости и инноваций способствовало значительному росту производительности, способствуя повсеместному экономическому «золотому веку». Из этой эпохи мы видим, что даже широкомасштабное опустошение может ускорить внедрение технологий и промышленное развитие, при условии, что инвестиции в инфраструктуру и человеческий капитал будут направлены на восстановление и модернизацию.

Цифровая революция (1970-е годы – настоящее время): по мере глобализации и усложнения экономик потребность в более мощной, взаимосвязанной обработке информации стала первостепенной. Такие прорывы, как микропроцессоры, персональные компьютеры и Интернет, кардинально изменили работу со знаниями. Конвергенция цифровых инструментов с быстро расширяющимся глобальным рынком вызвала волну связности и эффективности. Этот период подчеркивает урок, что информация – когда ее собирают, анализируют и распространяют в больших масштабах – служит мощным двигателем роста, способствуя появлению совершенно новых бизнес-моделей и перестраивая социальные структуры.

Пандемия COVID-19 и ускорение развития ИИ (2020–настоящее время): глобальный кризис в области здравоохранения привел к срочным адаптациям, включая удаленную работу, реструктуризацию цепочек поставок и быстрый сдвиг в предоставлении медицинских услуг. В ответ на это ИИ, облачные вычисления, платформы цифрового сотрудничества, вакцины мРНК и возросшая автоматизация развивались беспрецедентными темпами. Объединяя необходимость с этими новыми инструментами, общества поддерживали экономическую активность и внедряли новые способы работы. Неизменный вывод заключается в том, что кризисы могут сжимать годы трансформации в месяцы, демонстрируя, как неотложные проблемы стимулируют быстрое принятие передовых технологий, которые могут навсегда изменить общественные и экономические нормы.

СЛЕДУЮЩАЯ КОНВЕРГЕНЦИЯ: ЭПОХА ИИ, РОБОТОТЕХНИКИ И СТАРЕЮЩЕГО ОБЩЕСТВА

Сейчас мы стоим на пороге еще одного поворотного момента в истории. Демографические сдвиги (стареющее население, меньше детей), меняющаяся динамика рабочей силы (особенно в отношении удаленной и фрилансовой работы) и глобальные экономические встречные ветры требуют креативных решений. Как и в прошлые эпохи, необходимость объединяется с инновациями — на этот раз с силой ИИ, гуманоидной робототехники, биотехнологий следующего поколения и потенциально революционных источников энергии.

ИИ и автоматизация как умножители рабочей силы: ИИ развивается из полезного помощника в потенциальный системный драйвер производительности. Большие языковые модели, предиктивная аналитика и сложные алгоритмы машинного обучения автоматизируют сложные задачи в масштабе. Речь идет не только о замене рутинной работы, но и о расширении человеческих возможностей в принятии решений, творческом решении проблем и стратегическом планировании.

Роботы-гуманоиды: последний рубеж автоматизации: робототехника долгое время ограничивалась специализированными промышленными задачами. Однако достижения в области ловкости, автономности и искусственного интеллекта приводят роботов-гуманоидов в сферу здравоохранения, гостеприимства и интеллектуального труда. Эти машины могут помогать заботиться о стареющем населении, выполнять повторяющиеся физические задачи и дополнять людей-работников в совместных условиях.

Синтетическая биология и биоинженерия: от выращенного в лабораторных условиях мяса до генетически модифицированных культур биоинженерия призвана произвести революцию в производстве ресурсов, общественном здравоохранении и устойчивом развитии. В сельском хозяйстве высокоурожайные, устойчивые к засухе культуры помогут прокормить растущее население мира. В медицине персонализированная генная терапия и более эффективное фармацевтическое производство могут сократить расходы и улучшить результаты здравоохранения.

Квантовые вычисления и передовые материалы: Квантовые вычисления обладают потенциалом для решения вычислительных задач, которые в настоящее время невозможны с помощью классических машин. От оптимизации глобальной логистики до ускорения исследований в области материаловедения, квантовые прорывы откроют новые уровни эффективности. Между тем, передовые материалы, такие как графен и углеродные нанотрубки, обещают более прочную, легкую и более устойчивую инфраструктуру.

Термоядерная энергия и следующее поколение энергии: прорыв в термоядерной энергии фактически устранит дефицит энергии, что приведет к более дешевой и чистой энергии для всех. Изобилие энергии может подстегнуть ренессанс в тяжелой промышленности, сделав возможной крупномасштабную 3D-печать, исследование космоса и транспортные сети с нулевым выбросом углерода, которые когда-то казались научной фантастикой.

ЧЕЛОВЕЧЕСКИЙ ФАКТОР: ОБЕСПЕЧЕНИЕ ОБЩЕСТВА ИЗОБРЕТЕНИЯМИ И ИННОВАЦИЯМИ

Хотя технология может обеспечить необычайный рост производительности, ее истинное влияние зависит от того, насколько хорошо она интегрирована в общество.

Переосмысление развития рабочей силы: ИИ и робототехника готовы создать совершенно новые категории рабочих мест, многие из которых остаются за пределами нашего нынешнего воображения. Подготовка работников к этим новым ролям требует надежных инициатив по повышению квалификации и переподготовке, поддерживаемых тесным партнерством между промышленностью и образованием. Оснащая людей навыками, ориентированными на будущее, экономики становятся более устойчивыми и гибкими — готовыми процветать в быстро меняющемся технологическом ландшафте.

Переосмысление экономических показателей: традиционные показатели, такие как ВВП за час работы, не в состоянии охватить все влияние производительности, основанной на ИИ. Необходимы более целостные показатели «качества жизни», которые будут отражать не только экономические результаты, но и влияние автоматизации на креативность человека, экологическую устойчивость и общественное благополучие. Принятие этих более широких показателей обеспечит измерение прогресса не только финансовым ростом, но и истинную ценность, создаваемую технологическими достижениями.

Обеспечение справедливого распределения прироста производительности: ИИ и автоматизация обладают огромным потенциалом для стимулирования экономического роста и улучшения повседневной жизни. Однако эти технологии также рискуют увеличить разрыв в доходах и возможностях, если их преимущества не будут широко распространены. Решение этой проблемы требует активного сотрудничества между предприятиями, политиками и образовательными учреждениями, чтобы гарантировать, что работники имеют возможность обновлять свои навыки, адаптироваться к меняющимся требованиям к работе и в полной мере участвовать в развивающейся экономике. Не менее важно создание доступных путей, таких как ученичество и технические инициативы на уровне сообщества, которые приглашают разнообразные таланты в цифровую рабочую силу. Сосредоточившись на развитии навыков, равноправном доступе к технологиям и ответственном внедрении, организации могут помочь гарантировать, что технологический прогресс приносит пользу отдельным лицам и сообществам по всему социально-экономическому спектру.

НОВЫЙ РЕНЕССАНС ПРОИЗВОДИТЕЛЬНОСТИ

Мы находимся на заре еще одной великой конвергенции – где необходимость встречается с изобретением и инновациями в глобальном масштабе. Силы, которые угрожают экономической стагнации, от демографических переходов до глобальных кризисов, являются теми же катализаторами, которые приводят к прорывным решениям в области ИИ, робототехники, биоинженерии и устойчивой энергетики.

История учит нас, что когда человеческая изобретательность поднимается, чтобы ответить на неотложные вызовы, за ней следует преобразующий прогресс. Если мы воспользуемся этим моментом — с продуманной политикой, дальновидным руководством и приверженностью справедливому росту — мы сможем возродить производительность в беспрецедентных масштабах. Поступая так, мы откроем новую эру процветания для нынешнего и будущих поколений. Мы должны помнить, что технологии сами по себе не являются судьбой. Именно стратегическая интеграция новых изобретений, переквалификация нашей рабочей силы и этическое управление изобретениями в конечном итоге оправдают обещание этого нового возрождения производительности.

Потребность - Изобретение - Конвергенция

Структура «Потребность - Изобретение - Конвергенция» обеспечивает структурированный способ анализа сил, движущих прогрессом человечества. По своей сути, потребность служит фундаментальным двигателем изменений, возникающих из-за насущных проблем, ограничений или требований. Будь то экономическая, социальная, экологическая или геополитическая потребность, она заставляет действовать и подталкивает к инновациям. На протяжении всей истории эта динамика проявлялась преобразующими способами. Промышленная революция подпитывалась нехваткой рабочей силы и растущим спросом на товары, так же как цифровая революция возникла в ответ на потребность в более быстрой, децентрализованной коммуникации. Сегодня глобальный энергетический переход формируется необходимостью решения проблем изменения климата и ограниченности ресурсов.

Изобретение возникает как творческий ответ на потребность, проявляясь через технологические, научные и системные прорывы, которые меняют траекторию человеческого прогресса. Это включает в себя разработку новаторских технологий, таких как паровой двигатель, электричество и искусственный интеллект. Оно также охватывает новые организационные модели, такие как фабричные системы, цифровые платформы и децентрализованные сети, а также сдвиги в мышлении, которые переопределяют возможности — примеры включают научный метод, системное мышление и квантовую механику.

Конвергенция происходит, когда пересекаются потребность и изобретение, представляя собой системную точку перегиба, где инновации масштабируются, распространяются и интегрируются в человеческие системы. Речь идет не только о принятии новых технологий; скорее, речь идет о глубокой трансформации, которая следует за этим. Экономические и промышленные структуры развиваются по мере того, как новые изобретения перестраивают целые секторы, часто разрушая традиционные отрасли и вытесняя старые цепочки создания стоимости. Общества, в свою очередь, испытывают поведенческие и культурные сдвиги, поскольку технологии меняют повседневную жизнь, структуры власти и нормы. Институты и правительства должны управлять этими сдвигами, либо допуская, либо регулируя, либо сопротивляясь изменениям.

Слияние потребности и изобретения производит каскадные эффекты, которые определяют будущее. Некоторые прорывы ускоряются быстро, трансформируя отрасли и экономики практически в одночасье, в то время как другие вносят существенные изменения, делая существующие модели устаревшими. Общества и организации, которые развивают устойчивость и адаптивность, находятся в лучшем положении для интеграции этих сдвигов, в то время как те, кто не делает этого, рискуют остаться позади. Однако с каждой трансформацией возникает проблема непреднамеренных последствий. Часто возникают этические дилеммы, экономическое неравенство и экологические внешние эффекты, требующие новых моделей управления и общественных ответов.

Взаимодействие потребности, изобретения и конвергенции всегда было движущей силой человеческого прогресса, и в сегодняшнем быстро меняющемся мире его значение более выражено, чем когда-либо.

Конвергенция сил прогресса: потребность, изобретение и системные результаты

Что, если те самые изобретения, которые двигают человечество вперед, также сеют семена наших величайших проблем? История показывает, что прогресс редко бывает прямой линией. Вместо этого он движется циклами: потребность порождает изобретения, а изобретения сходятся, чтобы изменить общество. От роли парового двигателя в промышленной революции до влияния Интернета на глобализацию, каждая волна трансформации приносила глубокие изменения — экономические сдвиги, новые социальные структуры и непреднамеренные последствия. На устранение этих нарушений, от растущего неравенства до экологических кризисов, часто уходят десятилетия. Поскольку мы стоим на пороге следующей великой конвергенции — будь то в области ИИ, биотехнологий, гуманоидных роботов, киберпространства, климата или здравоохранения — мы должны спросить — как мы можем использовать инновации для создания более справедливого и устойчивого будущего?

ПРОМЫШЛЕННАЯ РЕВОЛЮЦИЯ: РОЖДЕНИЕ СОВРЕМЕННОЙ ЭКОНОМИКИ

В середине XVIII века большая часть аграрной экономики Европы находилась под тяжестью быстрого роста населения и ограниченного сельскохозяйственного производства. Из этого растущего давления возникли преобразующие изобретения, в частности, прялка «Дженни» Джеймса Харгривза (ок. 1764 г.), водяная рама Ричарда Аркрайта (ок. 1768 г.) и Сэмюэля Кромптона (1779 г.) — каждое из которых было направлено на решение острой потребности в более быстром и эффективном текстильном производстве. Первоначально эти машины полагались на гидроэнергию, но все изменилось, когда усовершенствованный паровой двигатель Джеймса Уатта соединился с текстильным оборудованием. Эта синергия породила фабричную систему, позволив производителям выйти за пределы берегов рек и масштабировать производство с беспрецедентной скоростью.

Манчестер, Англия, стал символом этого промышленного подъема: когда-то скромный рыночный городок, он быстро превратился в процветающий текстильный центр. Однако фабричная система не возвысила всех в равной степени. Фабричные рабочие, включая детей в возрасте шести лет, терпели долгие часы (12-14-часовые смены), опасные условия и переполненное жилье. Социальное напряжение стало настолько сильным, что законодательные вмешательства, такие как Законы о фабриках 1833 и 1844 годов (которые были направлены против детского труда) и Закон о здравоохранении 1848 года (направленный на городскую санитарию), стали неизбежными. Между тем, беспощадное сжигание угля предвещало экологические проблемы, которые развернулись в грядущие столетия.

Из этих переплетенных сил необходимости, изобретения и их конвергенции возникли основы современной экономики. Однако более глубокий урок Первой промышленной революции ясен: неконтролируемый прогресс может привести как к поразительным достижениям, так и к глубокому социальному неравенству. Поскольку мы сталкиваемся с современными потрясениями — от ИИ до автоматизации — эта история является мощным напоминанием о том, что предвидение и человеческие действия так же важны, как и само изобретение.

ВТОРАЯ ПРОМЫШЛЕННАЯ РЕВОЛЮЦИЯ (1870–1914): КЛЮЧЕВОЙ ПОВОРОТНЫЙ МОМЕНТ В ИСТОРИИ ЧЕЛОВЕЧЕСТВА

К концу 19 века рост населения, расширение мировой торговли и потребность в обширных инфраструктурах предъявили новые требования к индустриальным обществам. Это давление подстегнуло волну изобретений, которые сошлись, чтобы изменить современный мир. Массовое производство стали, ставшее доступным благодаря бессемеровскому процессу, позволило построить небоскребы, крупномасштабные мосты и межконтинентальные железные дороги. Города взлетели вертикально и расширились горизонтально, отчасти за счет электрификации фабрик и общественных мест. С продлением рабочего дня электрическим освещением промышленность работала круглосуточно, подпитывая быстрый экономический рост.

Одновременно двигатель внутреннего сгорания произвел революцию в транспорте, породив автомобили, пригородные кварталы и более глубокую зависимость от ископаемого топлива. По мере того, как железнодорожные сети расширялись на огромные расстояния, потребность в синхронизированных расписаниях привела к принятию стандартизированных часовых поясов, не только организуя транспорт, но и изменяя восприятие обществом самого времени – превращая его из локального, текучего опыта в жесткую, размеренную конструкцию, которая управляла повседневной жизнью. Между тем, новые коммуникационные технологии, такие как телеграф и телефон, ускорили бизнес, управление и личные связи, сплетая отдаленные регионы во все более взаимозависимую глобальную систему.

Однако, как и в первую революцию, изобретение и конвергенция породили социальные и этические дилеммы. Фабрики часто работали в жестоких условиях, примером чего служат трагедии вроде пожара на фабрике Triangle Shirtwaist (1911), который выявил человеческие издержки быстрого промышленного расширения. Эти же инновации легли в основу имперских завоеваний, усилили добычу ресурсов и в конечном итоге стали двигателем механизированной войны Первой мировой войны.

В этой Второй промышленной революции необходимость снова встретилась с изобретением, и благотворный цикл конвергенции вывел общества на новые высоты. Но он также выявил опасности нерегулируемого роста и эксплуатации. Поскольку мы боремся с сегодняшними цифровыми революциями и переходом на возобновляемые источники энергии, уроки очевидны: прогресс требует не только смелых инноваций, но и этических, экологических и социальных гарантий, чтобы гарантировать, что его преимущества будут распределены, а его опасности будут ограничены.

БУМ ПОСЛЕ ВТОРОЙ МИРОВОЙ ВОЙНЫ: РОСТ КУЛЬТУРЫ ПОТРЕБЛЕНИЯ (ок. 1945–1970-е гг.)

После Второй мировой войны настоятельная необходимость восстановления разрушенных экономик и восполнения нехватки рабочей силы подстегнула новую волну технологических инноваций. Военные достижения в области автоматизации, вычислений, полупроводников и логистики сошлись с технологиями массового производства, создав беспрецедентный двигатель экономического роста. Фабрики, которые когда-то штамповали военную технику, были перепрофилированы для производства всего: от автомобилей до бытовой техники, заложив основу для современной потребительской культуры, определяемой изобилием и удобством.

На этом фоне пригороды, такие как Левиттаун, Нью-Йорк, стали пионерскими моделями массового жилья. Они предлагали доступное домовладение миллионам, подпитывая спрос на потребительские товары и одновременно преобразовывая физические и социальные ландшафты послевоенной Америки. Между тем, строительство системы межштатных автомагистралей США усилило зависимость от автомобилей, связав новые пригородные анклавы с городскими центрами и навсегда изменив национальный транспорт. Телевидение стало доминирующей культурной силой, формируя общие нарративы среди огромной аудитории и усиливая силу рекламы.

Однако, по мере того, как необходимость встречалась с изобретением, и эти силы сходились, чтобы обеспечить замечательное процветание, издержки необузданного роста становились все более очевидными. Федеральная жилищная политика систематически исключала многие чернокожие семьи из возможностей владения жильем, увеличивая разрыв в расовом богатстве и увековечивая неравенство на протяжении поколений. Неустанный акцент на автомобильной культуре способствовал упадку городов и ухудшению состояния окружающей среды, а кризисы загрязнения воздуха затронули крупные города. Быстрая субурбанизация, часто осуществляемая без особого внимания к экологическому балансу, предвещала растущие экологические проблемы конца 20-го века.

Этот послевоенный бум, подпитываемый взаимодействием необходимости, изобретения и конвергенции, принес беспрецедентные экономические выгоды, но также углубил социальные и экологические разногласия. Поскольку мы сталкиваемся с сегодняшними вызовами — от цифровой трансформации до климатического кризиса — уроки этой эпохи звучат ясно: прогресс должен достигаться смело, но смягчаться дальновидностью, справедливостью и устойчивостью. Только осознавая как возможности, так и риски инноваций, мы можем гарантировать, что завтрашний рост действительно принесет пользу всем.

ЦИФРОВАЯ РЕВОЛЮЦИЯ: МИР, ПЕРЕОБОРУДОВАННЫЙ

По мере расширения мировых рынков в конце 20-го века, предприятия и правительства столкнулись с новой необходимостью: управление огромными объемами данных в реальном времени на всех континентах. Эта срочность встретила инновационные прорывы, такие как микропроцессоры (с начала 1970-х годов), персональные компьютеры, исследования искусственного интеллекта и, что особенно важно, Интернет — каждое изобретение усиливало другие. Микропроцессор сделал вычисления более доступными, персональные компьютеры открыли новые возможности использования для отдельных лиц и компаний, а Интернет связал миллиарды устройств, преобразовав целые отрасли и переместив экономическую мощь в сторону экономики, основанной на знаниях.

С дебютом iPhone в 2007 году мобильные технологии стали по-настоящему повсеместными, отвязав цифровую коммерцию и удаленную работу от физических местоположений. Теперь один смартфон мог обеспечить постоянный доступ к Интернету, революционизируя то, как люди общаются, делают покупки и ведут бизнес. Однако, как и при всех подобных сближениях необходимости и изобретения, возникли проблемы. Цифровые монополии сконцентрировали богатство и влияние в руках горстки технологических гигантов, киберугрозы и дезинформация разрастались, а цифровое неравенство оставило маргинализированные сообщества позади в быстро меняющемся ландшафте.

Таким образом, цифровая революция иллюстрирует обоюдоострую природу быстрого прогресса. Беспрецедентные возможности подключения и экономики были достигнуты за счет новых форм неравенства и рисков для конфиденциальности. Поскольку мы вступаем в следующую волну инноваций — от 5G до автоматизации на основе искусственного интеллекта — эта история напоминает нам, что необходимость и изобретение по своей сути не гарантируют равноправного роста. Руководствуясь этическим надзором и инклюзивной политикой, мы можем стремиться к тому, чтобы цифровые инструменты завтрашнего дня расширяли возможности всего общества, а не усугубляли существующие разногласия.

ЭПОХА COVID-19: ПОСЛЕДНЕЕ СБЛИЖЕНИЕ

Когда разразилась пандемия COVID-19 , мир столкнулся с беспрецедентной необходимостью: остановить быстро распространяющийся вирус, удерживая экономики и общества на плаву в условиях изоляции. Эта срочность столкнулась с изобретением лицом к лицу, ускорив технологию вакцины мРНК — область, которая изучалась десятилетиями, но была перегружена неотложными потребностями и глобальным сотрудничеством. Результатом стало самое быстрое масштабное развертывание вакцины в истории, спасшее бесчисленное количество жизней и изменившее будущую разработку вакцин.

В то же время строгие меры социального дистанцирования заставили предприятия, школы и системы здравоохранения перейти в онлайн. Облачные вычисления и платформы цифрового сотрудничества совпали с этой необходимостью, позволив сотням миллионов людей по всему миру работать, учиться и получать медицинскую помощь из дома практически за одну ночь. Телемедицина, в частности, стала мощным инструментом для расширения доступа к здравоохранению — инструментом, который обещает пережить пандемию. Тем не менее, эти быстрые изменения выявили глубокое неравенство во всем мире: многим не хватало пропускной способности интернета, устройств или финансовых ресурсов для адаптации, в то время как развивающиеся страны часто отставали как в распространении вакцин, так и в цифровой инфраструктуре, что увеличивало существующие различия.

Тем временем глобальные цепочки поставок, уже перегруженные остановками производства и задержками поставок, продемонстрировали свою хрупкость, что привело к пустым полкам и резкому росту цен. Таким образом, эпоха COVID-19 наглядно иллюстрирует, как необходимость может стать толчком к преобразующим инновациям, когда новые и существующие технологии объединяются, чтобы перестроить общество с необычайной скоростью. Но это также подчеркивает опасности неравных условий игры и высокие издержки реактивного, а не проактивного планирования.

В то время как мы готовимся к будущим глобальным вызовам, самый стойкий урок эпохи ясен: одни только изобретения не могут гарантировать равноправный прогресс. Преодолевая разногласия, инвестируя в общественное здравоохранение и цифровую инфраструктуру и укрепляя глобальное сотрудничество, мы можем стремиться к тому, чтобы следующая волна инноваций действительно принесла пользу всем.

ЗАКЛЮЧЕНИЕ: ИЗВЛЕЧЕНИЕ ИЗ ЦИКЛОВ ПРОГРЕССА

История показывает, что человеческий прогресс движется циклами, каждый из которых обусловлен неотложными потребностями и формируется изобретениями и инновациями, которые сходятся воедино, чтобы преобразовать общество. От промышленной революции до цифровой революции и совсем недавно — эпохи COVID-19 — каждая волна прогресса вызывала замечательные прорывы, такие как механизированное производство, глобальная связь и быстрая разработка вакцин, а также обнажала неравенство, экологический вред и другие системные уязвимости. Урок ясен: сам по себе прогресс не является справедливым; без предвидения и преднамеренных действий его преимущества остаются неравномерно распределенными, а его последствия могут сохраняться на протяжении поколений.

Промышленные революции открыли новые экономические парадигмы, но подчеркнули издержки нерегулируемого роста — эксплуатируемый труд, истощение ресурсов и имперская экспансия. Послевоенный бум принес беспрецедентное процветание, но увеличил расовые и экономические различия. Цифровая революция демократизировала информацию, хотя и сосредоточила власть в руках немногих. А эпоха COVID-19 доказала силу глобального сотрудничества и быстрых инноваций, но также обнажила хрупкость наших цепочек поставок, систем здравоохранения и цифровой инфраструктуры.

Теперь, когда мы приближаемся к следующей великой конвергенции — будь то благодаря ИИ, биотехнологии, гуманоидным роботам, киберпространству, здравоохранению или климату — мы должны прислушаться к повторяющемуся предостережению истории: одни только изобретения не гарантируют справедливых результатов. Чтобы гарантировать, что завтрашние прорывы принесут пользу всем, мы должны инвестировать в этический надзор, готовность и инклюзивную политику, которая ставит во главу угла благополучие всех сообществ, а не привилегированного меньшинства.

Следующая волна конвергенции

Сегодня мир сталкивается с целым рядом неотложных проблем: от изменения климата и демографических сдвигов до экономической и геополитической нестабильности, угроз кибербезопасности и кризисов в сфере здравоохранения. Эти давления вызывают новую волну конвергенции, где изобретательные и инновационные ответы на насущные потребности готовы изменить наше будущее. По мере того, как мы вступаем в эту эпоху преобразований, цикл необходимости и изобретения напоминает нам, что смелое, целеустремленное изобретение и инновации — это наш лучший путь вперед.

Заглядывая вперед, можно сказать, что слияние потребности и изобретения предлагает мощные инструменты для решения наших грандиозных задач. Рассмотрим изменение климата: насущная необходимость сокращения выбросов стимулирует инновации в области возобновляемой энергии, улавливания углерода и технологий интеллектуальных сетей. Эти решения не изолированы; они объединяются, образуя устойчивую энергетическую экосистему. Солнечная и ветровая энергия теперь легко интегрируются с интеллектуальными сетями, которые оптимизируют распределение энергии, в то время как системы улавливания углерода работают в тандеме с промышленными процессами для компенсации выбросов.

Аналогичным образом, демографические сдвиги, такие как старение населения и быстрая урбанизация, вызывают конвергенцию передовой робототехники, ИИ и телемедицины. В Японии, где почти 30% населения старше 65 лет, роботы-сиделки и диагностика на основе ИИ объединяются с платформами телемедицины, чтобы гарантировать, что даже густонаселенные городские районы могут предоставлять своевременную и эффективную помощь. Этот комплексный ответ не только решает проблему нехватки рабочей силы, но и повышает качество жизни стареющих сообществ за счет создания взаимосвязанных систем поддержки.

На фоне растущей экономической волатильности и растущей геополитической нестабильности обещание конвергенции несет как возможности, так и риски. Например, технология блокчейна в сочетании с аналитикой на основе ИИ преобразует глобальные финансовые системы, устраняя посредников, улучшая обнаружение мошенничества и продвигая децентрализованные, прозрачные транзакции, которые противостоят манипуляциям со стороны могущественных государственных или корпоративных субъектов. Одновременно с этим внедряются передовые цифровые протоколы безопасности на основе ИИ для защиты критически важной инфраструктуры — от энергосетей до сетей связи — от киберугроз в эпоху повышенной геополитической напряженности.

Эта синергия имеет потенциал для стабилизации мировых рынков и укрепления доверия через границы путем создания более безопасной и устойчивой цифровой среды. Способствуя прозрачности и подотчетности, эти конвергентные технологии могут помочь смягчить последствия экономических потрясений и уменьшить уязвимости, которые часто приводят к геополитическим раздорам. Однако без строгого этического надзора и надежных политических рамок эти инновации могут усугубить дисбаланс сил, подстегнуть кибервойну и даже спровоцировать автоматизированную войну, где смертоносные решения принимаются машинами, что еще больше дестабилизирует регионы.

Задача ясна: использовать эти преобразующие инструменты посредством международного сотрудничества и этического управления, чтобы они служили стабилизирующими силами, поддерживая экономическое восстановление и геополитическую устойчивость, а не углубляя глобальные разногласия. История показывает, что когда необходимость подпитывает изобретения, их конвергенция меняет общество. Тем не менее, как и в случае прошлых преобразований, эта новая конвергенция должна руководствоваться этическим надзором и справедливой политикой. Так же, как промышленная революция принесла как процветание, так и глубокое социальное неравенство, возникающая конвергенция ИИ, робототехники, возобновляемых источников энергии и других прорывных технологий должна быть разработана так, чтобы приносить пользу всем, а не только избранным. Правительства могут инвестировать в цифровую инфраструктуру для малообеспеченных сообществ, в то время как предприятия отдают приоритет инклюзивному дизайну.

Представьте себе мир, в котором умные города, работающие на возобновляемых источниках энергии, органично интегрируют здравоохранение, транспорт и образование в устойчивую, взаимосвязанную экосистему; где ИИ и робототехника дают возможность стареющему населению жить независимо; и где блокчейн защищает наши финансовые системы от киберугроз. Это обещание конвергенции — будущего, которое является устойчивым, устойчивым и справедливым. Будущее — это не то, что мы наследуем; это то, что мы создаем.

Источники

Великая конвергенция: когда необходимость встречается с изобретением и инновацией. 18 февраля 2025 г. Фрэнк Диана.
https://frankdiana.net/2025/02/18/the-great-convergence-when-necessity-meets-innovation/

Структура Потребность - Изобретение - Конвергенция. 21 февраля 2025 г. Фрэнк Диана
https://frankdiana.net/2025/02/21/the-necessity-invention-convergence-framework/

Конвергенция сил прогресса: потребность, изобретение и системные результаты. 22 февраля 2025 г. Фрэнк Диана.
https://frankdiana.net/2025/02/22/the-converging-forces-of-progress-necessity-invention-and-systemic-outcomes/

Ответ на сегодняшние грандиозные вызовы – следующая волна конвергенции. 23 февраля 2025 г. Фрэнк Диана.
https://frankdiana.net/2025/02/23/meeting-todays-grand-challenges-the-next-wave-of-convergence

ИИ в техническом обслуживании и послепродажном обслуживании

Современные машины становится все сложнее обслуживать. Дополнительные функции, многочисленные датчики, передовые системы управления и сложное программное обеспечение увеличивают стоимость и сложность задач по обслуживанию. В промышленных условиях эта сложность часто усугубляется сосуществованием оборудования разных эпох, разных производителей и разных типов технологий.

Поскольку работа, связанная с обслуживанием, становится все более сложной, функции обслуживания сталкиваются с другими проблемами. Демографические характеристики рабочей силы — одна из них, поскольку более опытный обслуживающий персонал старшего возраста может забрать с собой важные знания, когда он покидает бизнес. Несоответствие навыков — другая. Продвинутые, программно-тяжелые машины и современные методы, такие как обслуживание на основе состояния, требуют от групп обслуживания овладения новыми навыками в области цифровой аналитики и анализа данных.

По мере накопления проблем передовые функции обслуживания ищут новые способы решения проблем затрат, производительности и навыков. Gen AI становится преобразующим решением для этих проблем.

Инструменты Gen AI используют передовые модели машинного обучения для ускорения анализа данных, прогнозирования потенциальных сбоев, автоматизации рутинных задач и сохранения критически важных знаний. В отличие от предыдущих поколений технологий AI, системы Gen AI могут предоставлять действенные идеи и решения, которые повышают эффективность и результативность мероприятий по техническому обслуживанию. В конечном итоге это может помочь компаниям достичь более высокой надежности, сократить время простоя, повысить устойчивость и оптимизировать общие затраты на жизненный цикл своих машин и оборудования.

Инструменты Gen AI также могут помочь функциям обслуживания решать проблемы, связанные с навыками и сохранением знаний в организации. Это включает:

• Повышение производительности и продуктивности менее опытного персонала за счет автоматизации рутинных задач или использования виртуальных агентов для помощи в планировании технического обслуживания, составлении графиков, устранении неполадок и ремонте.
• Улучшение доступности документации по техническому обслуживанию с помощью расширенных служб поиска и обобщения, таких как автоматизированная генерация этапов диагностики неисправностей
• Ускорение интеграции и повышения квалификации новых сотрудников с помощью автоматизированных систем адаптации, обучения и совместной работы

Некоторые ведущие компании уже используют ИИ-технологии для решения давних проблем в процессах обслуживания. Влияние этих инструментов было значительным, и многие из них были развернуты чрезвычайно быстро, со сроками выполнения, измеряемыми неделями.

Хотя некоторые организации по техническому обслуживанию уже получают значительные преимущества от Gen AI, немногие из них внедрили эти технологии во все возможные в настоящее время варианты использования. И многим организациям еще предстоит начать свой путь к техническому обслуживанию с использованием Gen AI.

Реализация полного потенциала Gen AI в обслуживании является сложной задачей по нескольким причинам. Эти технологии являются новыми, требующими от организаций по обслуживанию понимания новых технологий и избегания незнакомых ловушек. И Gen AI развивается чрезвычайно быстро, требуя гибкого подхода к выбору вариантов использования, разработке инструментов и непрерывной эволюции.

Используя опыт предыдущих волн цифровой трансформации и внедрения искусственного интеллекта в других секторах и функциях, организации по техническому обслуживанию могут значительно повысить шансы на успешную трансформацию искусственного интеллекта, внедрив четыре ключевых фактора с самого начала:

• Глубокое понимание соответствующих вариантов использования Gen AI, а также их технологических и информационных требований, а также распространенных ошибок, которые могут сдерживать развертывание.
• Четкое представление возможностей и ограничений организации по техническому обслуживанию в масштабах всей организации, включая основные проблемные моменты и количественные возможности улучшения.
• Специальная команда, обладающая навыками и возможностями для разработки, внедрения и мониторинга влияния вариантов использования искусственного интеллекта.
• Надежная инфраструктура управления изменениями для поддержки обучения, повышения квалификации и продвижения культуры восприятия цифровых технологий и искусственного интеллекта в функциях обслуживания и связанных с ними операциях.

Трансформация обслуживания на основе искусственного интеллекта должна быть сосредоточена на быстром развертывании перспективных вариантов использования для скорейшего создания ценности, одновременно создавая технические возможности, инфраструктуру и организационную культуру, необходимые для поддержки постоянной разработки, развертывания и постоянного совершенствования инструментов искусственного интеллекта.

Стратегическое видение, наращивание потенциала и управление изменениями — три ключевых элемента для обеспечения успеха трансформации. Долгосрочная устойчивость поддерживается быстрым процессом масштабирования, сосредоточенным на вовлечении людей на местах с первого дня.

Gen AI имеет потенциал для революционных изменений в секторе технического обслуживания, делая операции более надежными, устойчивыми, эффективными и экономичными. Эти технологии могут обеспечить индивидуальную поддержку для операторов, оптимизировать профилактические стратегии, решать проблемы устранения неполадок и предоставлять лучшие практики для переподготовки персонала.

Критический вопрос для сегодняшних организаций по техническому обслуживанию заключается не в том, стоит ли начинать этот путь, а в том, когда. При структурированном подходе и правильных инструментах компании могут начать осознавать ценность поколения ИИ всего за несколько недель.

Источник

https://www.mckinsey.com/capabilities/operations/our-insights/rewiring-maintenance-with-gen-ai
Rewiring maintenance with gen AI. February 6, 2025. Article. By Sergio Farioli, Daniele Caliste, Marco Federici, Tuur Steffens.

Техническое обслуживание с переподключением с помощью искусственного интеллекта. 6 февраля 2025 г. Статья. Серджио Фариоли, Даниэль Калисте , Марко Федеричи, Туур Стеффенс.

* * *

Генеративный ИИ (gen AI) преобразует послепродажное обслуживание и выездное обслуживание, предлагая новые способы повышения эффективности и улучшения клиентского опыта.

Цепочки создания стоимости услуг являются главными кандидатами на ускоренную цифровизацию и интеграцию технологий ИИ. Многие компании, ориентированные на услуги, обладают огромными хранилищами технических и клиентских данных. Присущая услугам изменчивость и сложность делают их особенно подходящими для применения ИИ, которые могут предсказывать результаты с точностью, превосходящей человеческие возможности.

Опасности, которые мешают цифровым развертываниям, включают фрагментированные данные, устаревшие системы, неадекватные технологии, отсутствие специализированных знаний, проблемы управления изменениями, слабые бизнес-кейсы и плохое стратегическое руководство.

Пять ключевых действий.

Преобразование сферы услуг

Первым шагом в создании влияния на P&L является переосмысление того, как могут предоставляться услуги. Вместо того, чтобы добавлять цифровые точечные решения в существующие процессы обслуживания, ведущие компании начинают с составления карты пути обслуживания будущего. Это помогает им понять, как будет создаваться ценность для различных заинтересованных сторон, включая клиентов, поставщиков услуг/партнеров, цепочку поставок, технических специалистов (полевых и удаленных), отделы продаж и персонал бэк-офиса. Это также показывает им, где этим заинтересованным сторонам нужно будет трансформировать свои методы работы.

Последствия для основных процессов, управления, ключевых показателей эффективности и требований к талантам формируют основу этого нового сервисного плана.

Использование наиболее перспективные варианты использования

Хотя существует множество вариантов использования ИИ, некоторые из них стали ранними лидерами, оказывая значительное влияние на цепочки создания стоимости услуг. 

Четыре примера.

• Генерация лидов по продажам и ответ на тендеры. Несколько ведущих компаний увидели значительный рост услуг, поддерживаемых генерацией лидов с помощью ИИ, а также квалификацией лидов с поддержкой ИИ и ответом на запросы предложений. Некоторые организации теперь полностью интегрируют «виртуальных агентов продаж» поколения AI в свои системы управления взаимоотношениями с клиентами (CRM). Эти агенты могут автоматически подготавливать и отправлять персонализированные сообщения сотням или даже тысячам клиентов по нескольким каналам, включая электронную почту и текстовые сообщения.
• Устранение неполадок и самообслуживание клиентов. Компании увеличивают удаленное разрешение и показатели первого исправления с помощью инструментов устранения неполадок с поддержкой ИИ. Успешные подходы подразумевают использование ИИ как второго пилота для более точного определения проблемы и предложения решения. Это улучшает качество обслуживания клиентов, расширяет возможности агентов, повышает эффективность контакт-центра и сводит к минимуму визиты технических специалистов на места благодаря удаленному разрешению и самообслуживанию клиентов.
• Планирование и составление графиков. Инструменты ИИ могут улучшить прогнозирование спроса посредством постоянного анализа соответствующих факторов, что позволяет динамически перепланировать рабочую силу и обеспечить более четкую коммуникацию с клиентами. Это приводит к лучшим результатам для клиентов и более эффективному использованию рабочей силы.
• Анализ контракта. Инструменты ИИ могут помочь компаниям выявить возможности в существующих контрактах для предложения новых услуг или предложения дополнительных продуктов существующим клиентам на основе анализа их предпочтений и поведения.

Объединение нескольких вариантов использования ИИ и данных может принести больше пользы.

Создание правильных данных

ИИ не будет многого стоить с плохими или ограниченными данными. Интеграция Gen AI в существующие системы имеет значительные последствия для технологического стека, который должен быть интегрированным, масштабируемым и безопасным. Это может включать модернизацию существующих систем для обеспечения поддержки возможностей ИИ и создание новой инфраструктуры, которая может соответствовать требованиям к данным для расширенных вариантов использования ИИ. Эти требования включают широкий набор источников данных и типов данных, включая:

• Данные процесса: документация по техническому обслуживанию, устранению неисправностей, по основным видам отказов, по анализу видов и последствий отказов (FMEA), а также стандартные рабочие процедуры и рабочие инструкции.
• Данные IoT: достаточный объем данных с датчиков на оборудовании для мониторинга ключевых параметров и прогнозирования аномальных состояний
• История оборудования: данные о конфигурации оборудования и изменениях конфигурации, прошлых сбоях и действиях по техническому обслуживанию.
• Данные о цепочке поставок: включает доступность деталей, местонахождение запасов, время доставки и время выполнения заказа поставщиком
• Данные о персонале: охватывают навыки, доступность и местонахождение полевых сервисных групп и вспомогательного персонала.

Организациям необходимо обеспечить наличие, точность и доступность этих данных, а также защитить конфиденциальную информацию, интеллектуальную собственность и модели ИИ для предотвращения кражи данных или их незаконного использования. Это требует эффективного управления данными со строго соблюдаемыми стандартами сбора данных, четкой маркировкой и надежными мерами кибербезопасности.

Принятие вызова

Gen AI может позволить игрокам рынка послепродажного обслуживания и выездного обслуживания получить существенную выгоду. Любая сервисная компания, которая сумеет внедрить улучшения раньше коллег, получит огромное конкурентное преимущество как по стоимости, так и по качеству.

Достижение эффекта с помощью Gen AI требует креативности, принятия риска и готовности просматривать целые пути или процессы, чтобы выявить наиболее ценные возможности. Мы спросили, может ли Gen AI писать технические отчеты? Он мог! Мы спросили, может ли Gen AI дискутировать с техническими командами, чтобы находить более быстрые решения сложных проблем. Он мог! Мы спросили, могут ли ИИ и расширенная аналитика помочь в планировании сложных технических задач в рамках инженерных допусков и ограничений риска. Они могли! Учитывая неотъемлемые риски этих задач, ни одна из этих вещей не происходит без участия человека, но мы должны сделать шаг назад и рассмотреть возможности непредвзято, чтобы разблокировать это влияние.

Технологии искусственного интеллекта обладают значительным потенциалом для послепродажного обслуживания и обслуживания на местах, но перед их внедрением в организации следует рассмотреть следующие ключевые вопросы:

• Каковы цели обслуживания? Четко определите, чего вы хотите, чтобы Gen AI достиг для бизнеса, будь то увеличение дохода или повышение эффективности. Решите, что более важно для организации.
• Где Gen AI может оказать наибольшее влияние? Посмотрите на общую картину и определите области на всем пути, где ИИ может принести пользу. Серия взаимосвязанных вариантов использования ИИ с большей вероятностью создаст существенные изменения и поможет достичь стратегических целей.
• Есть ли у организации необходимые цифровые основы? Они включают надежную инфраструктуру, надежные данные и эффективное управление.
• Решение вопросов заранее поможет организации создать прочную основу для послепродажного обслуживания и полевых услуг следующего поколения. Учитывая финансовые и временные инвестиции, убедитесь, что готовы извлечь выгоду, которая принесет пользу клиентам, сотрудникам и акционерам.

Источник

https://www.mckinsey.com/capabilities/operations/our-insights/from-pilot-to-profit-scaling-gen-ai-in-aftermarket-and-field-services

From pilot to profit: Scaling gen AI in aftermarket and field services. March 13, 2025. Article by Florent Kervazo, Markus Forsgren, Subu Narayanan.

Полиинтеллект

В недавних дискуссиях в СМИ, бизнесе и академических кругах много говорилось о конвергенции человеческого и искусственного интеллекта. Это мощное сочетание уже приводит к замечательным открытиям. Однако есть еще одна форма интеллекта, которая часто остается непризнанной — природный интеллект.

В статье Нубара Афеяна "Почему будущие прорывы станут результатом полиинтеллектуального мышления" - концепция полиинтеллекта — интегрированная структура естественного, человеческого и машинного интеллекта. Идея о том, что сама природа воплощает интеллект с ее способностью учиться, адаптироваться и кодировать знания, тесно связана с междисциплинарным подходом, который Фрэнк Диана давно отстаивает. Она также усиливает необходимость в латеральной, экосистемной перспективе — той, которая выходит за рамки изолированности и охватывает целостное мышление.

Леонардо да Винчи, настоящий полимат , понял эту реальность много веков назад. Его гений заключался не только в его мастерстве во многих дисциплинах, но и в его способности воспринимать глубокие взаимосвязи, управляющие природными и механическими мирами. Изучая человеческое тело, проектируя машины или создавая искусство, он подходил к своей работе целостно. Сегодня этот образ мышления более важен, чем когда-либо, поскольку сложность современных задач требует полиматического мышления — ценящего широту и интеграцию наряду с глубиной и специализацией.

В статье Нубара Афеяна подчеркивается преобразующий потенциал полиинтеллекта в биотехнологии, особенно в синтетической биологии и белковой инженерии. Объединяя ИИ, человеческую изобретательность и природный интеллект, исследователи открывают прорывы в медицине, такие как разработка новых белков с терапевтическими приложениями. Это отражает силу конвергенции: самые глубокие достижения возникают из-за интеграции различных интеллектов, а не из-за опоры на какой-либо один в изоляции.

Помимо медицины, полиинтеллект предлагает многообещающие решения некоторых из самых больших проблем человечества, включая изменение климата и продовольственную безопасность. ИИ в сочетании с эволюционным интеллектом природы используется для улучшения основных культур, позволяя им процветать в более суровых условиях. Этот сдвиг является примером перехода от отраслевого мышления к экосистемной модели, которая признает сложные взаимозависимости между технологическими, биологическими и экологическими системами.

Однако полная реализация потенциала полиинтеллекта требует трансформации мышления. Это требует смирения — признания того, что интеллект природы часто превосходит наше собственное понимание. Адаптивность имеет решающее значение во времена больших и частных изобретений. Это касается не только организаций и учреждений, но и наших собственных ментальных моделей. Так же, как да Винчи оставался открытым для обучения у природы, мы тоже должны интегрировать идеи из природных систем в наши рамки принятия решений.

Последствия для управления, этики и междисциплинарного сотрудничества глубоки. Полиинтеллект не может процветать в мире, ограниченном жесткими иерархиями и изолированными экспертными знаниями. Вместо этого он требует междисциплинарных исследований, коллективного интеллекта и системного мышления. Ученые, политики, лидеры отрасли и педагоги должны работать вместе, чтобы создать этические и операционные структуры, которые будут направлять эту новую парадигму. Мы являемся свидетелями глубокой трансформации, где конвергенция сил в науке, технологии, обществе, геополитике, окружающей среде, философии и экономике перестраивает прогресс. Полиинтеллект представляет этот сдвиг, моделируя инновации в соответствии с децентрализованной, взаимосвязанной и адаптивной природой экосистем.

Будущее будет принадлежать тем, кто может мыслить на междисциплинарном уровне, распознавать закономерности конвергенции и использовать объединенную мощь человеческого, искусственного и естественного интеллекта. Пока мы движемся по этому новому ландшафту, уроки таких полиматов, как да Винчи, напоминают нам, что самые преобразующие прорывы возникают из слияния различных интеллектов, работающих в гармонии для расширения сферы возможностей.

Источник: Полиинтеллект: слияние природы, человеческой изобретательности и искусственного интеллекта. 10 февраля 2025 г. Фрэнк Диана.

Статья

Нубар Афеян. Почему будущие прорывы станут результатом полиинтеллектуального мышления.
https://www.fastcompany.com/91274947/noubar-afeyan-polyintelligence

Леонардо да Винчи понимал силу слияния человеческого мышления и творения с разумом природы — подход к инновациям, который сейчас актуален как никогда.

В новостных агентствах, деловых изданиях и научных журналах наблюдается бурный рост комментариев о комбинированной мощи человеческого интеллекта и искусственного интеллекта. Без сомнения, эта конвергенция уже приносит захватывающие открытия во многих областях.

Однако третий, не менее важный вид интеллекта остается вне обсуждения: природный интеллект.

Идея о том, что сама природа демонстрирует отличительные черты того, что мы понимаем как интеллект — способность учиться, кодировать эти знания в новых, более эффективных моделях и постоянно адаптироваться — не совсем нова. Леонардо да Винчи хорошо это понимал. Природа была его учителем и его вдохновением. Ничто не ускользало от его пристального наблюдения: вода, почва, растения, птицы.

Частью его обширного гения было восприятие скрытых систем — невидимых сил и законов, — которые управляют всем, от работы человеческого тела до движения объектов по воздуху. Сегодня мы опираемся на мудрость да Винчи, когда анализируем сложную химическую коммуникацию растений, интеллект роя насекомых, сложные щелчковые паттерны «песен» китов. Мы начинаем видеть, с некоторой скромностью, что природа гораздо более разумна, чем мы, люди, когда-либо понимали.

Но больше всего да Винчи, похоже, увлекали взаимосвязи между этими системами и между дисциплинами. Когда он изучал человеческое тело, проектировал машины или создавал шедевры искусства, он делал это целостно, опираясь на свой постоянно расширяющийся диапазон понимания и создавая работу, которая больше, чем сумма ее частей. Этот подход к инновациям никогда не был более актуальным или более возможным, чем сегодня. Слияние естественного, человеческого и машинного интеллекта — синтез, который я называю полиинтеллектом — обещает решения некоторых из самых неразрешимых проблем мира.

Действительно, эта интегрированная структура уже начинает революционизировать биотехнологию. От разработки лекарств до генеративной синтетической биологии полиинтеллект обеспечивает прорывы, которые ни одна форма интеллекта — или даже конвергенция двух — не могла бы достичь сама по себе. Возьмем пример проекта « Геном человека», который завершил картирование чертежей человеческой ДНК в 2003 году. Более двух десятилетий спустя этот союз природы, человеческого интеллекта и ИИ продолжает давать — среди прочего — новые последовательности ДНК и мРНК, которые могут открыть новые прорывные лекарства.

Или подумайте о том, как ученые используют полиинтеллект для «изучения языка» белков, что позволяет нам создавать новые белки, которых нет в природе, с определенными терапевтическими функциями. Так же, как слова и грамматика определяют разговорный язык, ИИ анализирует огромные объемы данных о белках, чтобы понять «правила», которые диктуют структуру и функцию белков. Эти знания позволяют ученым разрабатывать новые белки, записывая новые последовательности в рамках лингвистических рамок природы, преодолевая традиционные ограничения и разрабатывая инновационные методы лечения сложных заболеваний.

Помимо биомедицины, полиинтеллектуальное мышление, полиинтеллектуальные системы и полиинтеллектуальные решения будут иметь более широкое применение — и, я считаю, непревзойденную силу для смягчения изменения климата, повышения урожайности сельскохозяйственных культур устойчивым образом и решения других сложных глобальных проблем. Опять же, это не теория. Интеллект природы, усиленный ИИ, применяется для ускорения эволюционного процесса основных культур, таких как кукуруза, пшеница и соя, чтобы они могли расти в более жаркой и сухой среде.

Перспективы полиинтеллекта явно даже больше, чем наши надежды на ИИ. Поэтому жизненно важно, чтобы мы эффективно и рассудительно управляли этим переходом. Принципы, которые мы устанавливаем сегодня, и решения, которые мы принимаем в отношении управления, этики и предвзятости, для использования ИИ должны способствовать достижению цели обеспечения полиинтеллекта. Чтобы реализовать его полный потенциал, мы должны отдать приоритет междисциплинарному сотрудничеству, способствуя междисциплинарным исследованиям и интегрируя разнообразные знания в разных секторах. Объединяя политиков, ученых, лидеров отрасли и педагогов, мы можем использовать коллективные сильные стороны, необходимые как для понимания, так и для решения самых насущных мировых проблем. От планирования устойчивости городов и сохранения биоразнообразия до оптимизации производства и распределения энергии, полиинтеллект может катализировать устойчивые решения с широкомасштабным воздействием.

Наконец, и, возможно, самое важное, полиинтеллект также потребует изменения человеческого интеллекта. В частности, мы должны перестать видеть себя в качестве окончательного арбитра того, что хорошо, правильно или разумно. Говорим ли мы о сложных и изменчивых методах сопротивления болезням организма или о недавнем исследовании , показывающем, что лошади могут мыслить стратегически и планировать свои действия, мы должны иметь смирение — как это сделал да Винчи, настоящий гений, — чтобы признать, что большая часть природного мира действует за пределами нашей способности его постичь. Наши знания неполны и всегда будут неполными. Но они значительно расширяются, захватывающим образом, изменяя саму природу открытия.

Краеугольные камни успеха

В статье McKensey были представлен "краеугольные камни успеха" электронной коммерции на текущем этапе. Эти "камни" таковы, что они пожалуй применимы не только в элетронной коммерции.

Вот эти "камни".

1. Инвестируйте как атакущий. Лидеры действуют как атакующие, инвестируя, в частности, в новые технологии, такие как ИИ-технологии, в новые каналы с тем, чтобы лучше понимать и обслуживать клиентов.
2. Вы не можете передать свой путь к победе на аутсорсинг. Лидеры не зависят от поставщиков в вопросах технологий. Вместо этого они наращивают свой внутренний потенциал с тем, чтобы внедрять инновации в нужном темпе.
3. Технология — это стратегия. Прочные технологические основы дают лидерам скорость и гибкость инноваций.
4. Вы не сможете узнать своих клиентов, если не узнаете ИИ. Лидеры обращаются к ИИ, чтобы получить преимущество в сложных процессах покупок и в условиях меняющихся стандартов.
5. Руководите из центра, но расширяйте возможности команд. Централизованная операционная модель обеспечивает необходимый масштаб, но эффективна только в том случае, если она позволяет допускает автономные команды.

Источник.

https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/power-forward-five-make-or-break-truths-about-next-gen-e-commerce

Power forward: Five make-or-break truths about next-gen e-commerce. October 8, 2024 | Survey
By Arun Arora, Kevin Wei Wang, Rodney Zemmel, and Stephan Zimmermann.

Применение искусственного интеллекта в В2В

В эпоху растущей конкуренции и требований клиентов руководители отделов продаж B2B могут рассмотреть ряд технологических инноваций, которые помогут им добиться успеха.

Лидеры продаж B2B сегодня находятся на перепутье. Окружающая среда, с которой они сталкиваются, динамична и сложна. Экономический рост неравномерен по всему миру, конкуренция развивается, а клиенты B2B перенимают гораздо больше потребительского поведения, ищут более надежный покупательский опыт и демонстрируют готовность находить альтернативных поставщиков.

Конечно, компаниям по-прежнему необходимо придерживаться основных принципов коммерческого совершенства, которые включают в себя работу с продуманной стратегией, предоставление эффективных ценностных предложений, оптимизацию для широкого спектра каналов и поддержание роста. Но чтобы оставаться на передовой, организации продаж B2B могут использовать технологии для поиска нужных рынков, одновременно открывая, удерживая и радуя клиентов во всех каналах.

Умные усилия, скорее всего, окупятся. Лучшие лидеры, которые могут превратить установки на рост в действия, могут добиться успеха. Исследование McKinsey о смелом росте показало, что компании, которые преуспевают в росте, более агрессивно инвестируют в цифровые преобразования и ИИ для повышения производительности продаж и маркетинга. Компании, которые осваивают инновации, получают дополнительный совокупный рост TSR на четыре процентных пункта выше, чем их коллеги.

Наиболее успешные игроки B2B используют технологии пятью основными способами, чтобы перестроить свой подход к росту и превзойти конкурентов:

• Выявление возможностей с помощью ИИ: лидеры роста в сфере продаж B2B используют ИИ для поиска новых точек роста как в рамках основного бизнеса, так и за его пределами.
• Персонализация: новаторы используют возможности искусственного интеллекта для адаптации предложения и презентации в ответ на все более специфические проблемы и потребности клиентов.
• Ценообразование на основе ценности с использованием искусственного интеллекта: компании используют технологические инновации для более эффективного информирования о ценности, переходя от ручного, статичного ценообразования к динамическим моделям, которые могут автоматизировать ценообразование, адаптировать предложения к сегментам клиентов и улучшить ценовую дисциплину.
• Автоматизация задач продавцов с использованием цифровых технологий: игроки B2B-сектора используют технологии для повышения эффективности и производительности торгового персонала, внедряя инструменты для более точной расстановки приоритетов, быстрого предоставления ценности клиентам и разработки стратегий выхода на рынок на основе более точной аналитики.
• Развитие талантов на основе цифровых технологий: торговые организации используют технологии для более эффективной оценки эффективности работы продавцов в соответствии с целями, а также повышают эффективность за счет внедрения программ по развитию компетенций.

1. Выявление возможностей с помощью ИИ

ИИ помогает компаниям выявлять возможности с высоким потенциалом и лучше избегать усилий с низкой отдачей. Существуют ключевые варианты использования, которые может помочь выявить ИИ:

• выявлять быстрорастущие ниши, смежные с существующим бизнесом, 
• повышать вовлеченность и конверсию с помощью микросегментации, перекрестных продаж,
• выявлять возможности для приобретения и удержания клиентов,
• управлять оттоком.

Выявление смежных ниш

Компании используют ИИ для выявления привлекательных возможностей за пределами основного бизнеса. Инструменты с поддержкой ИИ могут анализировать обширные данные и предлагать рынки с неиспользуемыми ресурсами для существующих продуктов, определять новые вертикали или проводить мозговой штурм возможностей разработки продукта для использования отличительных технологий в смежных областях. Эти модели могут помочь торговым представителям разрабатывать и расставлять приоритеты в списках возможностей, связанных с темами, оценивая относительное конкурентное преимущество потенциальных клиентов, целей слияний и поглощений. Кроме того, ИИ может помочь торговым представителям анализировать интернет-шумиху, интеллектуальную собственность или инвестиционные тенденции.

Микросегментирование

Машинное обучение (ML) позволяет компаниям сегментировать клиентов, изучая атрибуты, которые могут привести к продажам, расставляя приоритеты для групп клиентов и соответствующим образом адаптируя предложения. Используя различные наборы данных, ML анализирует ряд переменных клиентов (таких как отрасль, регион и размер) и шаблонов покупок (таких как объем, размер поставки и время транзакции) для создания микросегментов клиентов. Эти идеи информируют о решениях, например, о том, как персонализировать ценностные предложения или расставить приоритеты для лидов.

Поиск новых клиентов

Gen AI в сочетании с внешними источниками данных может создать детальное представление рынка. Это включает в себя надежную карту потенциальных клиентов, прогнозируемые расходы по линейке продуктов, текущую долю по клиентам и подробные данные о клиентах (такие как отрасль, подотрасль, тенденции покупок похожих клиентов и местоположение). При интеграции с системой управления взаимоотношениями с клиентами (CRM) эта информация может быть преобразована в лиды, которые квалифицируются внутренней командой продаж и превращаются в возможности продаж. Это может значительно расширить новый воронку клиентов.

Управление оттоком клиентов

ИИ также может помочь решить сложную проблему удержания клиентов, изучив несколько факторов, таких как ценообразование, обслуживание или характеристики продукта, помогая руководителям продаж понять причины оттока клиентов и когда он может произойти. Используя аналитические методы, включая анализ настроений и поведенческие данные во взаимодействиях с клиентами, компании теперь могут лучше предвидеть ключевые движущие силы и уровни будущего оттока на разных рынках, в разных направлениях бизнеса и у отдельных клиентов. Вооружившись такими знаниями, компании могут определять и внедрять проактивные меры для эффективного удержания.

2. Персонализация

Прошли те времена, когда компании могли применять подход «один размер подходит всем» к своим клиентам и продуктам. Болевые точки и потребности клиентов становятся все более специализированными и отраслевыми, и компании могут подстраиваться, адаптируя свои предложения и питчи. Технологии могут помочь повысить ценность за счет лучшей адаптации двух форм взаимодействия с клиентами: персонализированные ценностные предложения и маркетинг, а также опыт клиентов (CX) на основе искусственного интеллекта .

Персонализированные ценностные предложения и маркетинг

Компании используют ИИ-технологии для создания масштабных маркетинговых материалов, адаптируют контент для охвата определенных персон потребителей на разных этапах продажи и направляют сообщения по предпочтительным каналам связи. ИИ-технологии могут повысить показатели конверсии, превратив обычно ручной, трудоемкий процесс в автоматизированный, который обеспечивает эффективный персонализированный контент — от формулирования болевых точек покупателя до перевода того, как продукт может создавать ценность для бизнеса.

Расширенный маркетинговый подход также сочетается с вертикализацией, фокусируясь на определенных отраслях или сегментах рынка, чтобы компании могли адаптироваться к конкретным потребностям. Компании определяют приоритетные вертикали и соответствующим образом меняют свой подход к продажам. С помощью Gen ИИ и вертикализацией компании могут достичь масштабируемого персонализированного маркетинга, который повышает вовлеченность клиентов.

3. Ценообразование на основе ценности и с использованием искусственного интеллекта

С ростом конкуренции и сокращением прибыли из-за издержек компании все чаще рассматривают дисциплинированное и гибкое ценообразование . Компании могут внедрять эффективные стратегии ценообразования тремя способами:

• оптимизация цен,
• динамическая оценка сделок,
• управление эффективностью ценобразования.

Оптимизация цен

Используя технологичные инструменты ценообразования, компании могут автоматически устанавливать, обновлять и отслеживать цены, чтобы максимизировать ценность для клиента и бизнеса. Благодаря динамическим алгоритмам в реальном времени, обновляемым на основе данных микрорынка, эти инструменты могут определять уровни ценообразования на основе предустановленных правил, эвристик и параметров. Оптимизация управления ценами таким образом гарантирует, что решения о ценообразовании принимаются своевременно, чтобы соответствовать изменениям в бизнесе и экономике.

Динамическая оценка сделок

Компании используют возможности ИИ для определения ценовых пакетов и скидок, чтобы гарантировать, что правильная цена будет постоянно предложена правильному клиенту. Кластерные модели анализируют похожие предложения и оценивают готовность платить, создавая механизмы оценки, которые точно отражают истинную стоимость предложений. Этот подход устанавливает руководство и ограничения для эффективного осуществления ценообразования.

Помимо оптимизации цен, компаниям также важно создавать цифровые инструменты, позволяющие более прозрачно и в режиме реального времени понимать эффективность цен. Компании используют ИИ для создания баз данных транзакций, которые оценивают утечки маржи и прибыльность. Это обеспечивает видимость инициатив по улучшению маржи.

4. Автоматизация задач продавца с использованием цифровых технологий

Новые технологии могут стать мощным инструментом для отделов продаж, которые хотят стать более эффективными и продуктивными. Имея в руках инструменты ИИ, они могут опережать конкурентов, быть первыми на рынке и принимать более умные и более тонкие решения. Технологические инновации помогают автоматизировать задачи продавцов по выходу на рынок четырьмя основными способами:

• динамическое распределение ресурсов и маршрутизация лидов на основе ML (машинное обучение),
• автоматически генерируемые или автоматически улучшенные ответы на запросы предложений (RFP),
• автоматизированное создание плана счетов,
• управление лидами.

Динамическое распределение ресурсов и маршрутизация лидов на основе машинного обучения

Важным фактором успеха B2B является понимание того, какие лиды продаж следует расставить по приоритетам. Традиционные метрики, такие как потенциальный размер сделки,  не могут помочь эффективно использовать время  продавцов. Теперь компании могут использовать модели ML для оценки лидов и определения потенциальных клиентов, которые с наибольшей вероятностью закроются. Анализируя различные характеристики лидов и сопоставляя их с данными о транзакциях, компании могут создавать списки приоритетов и назначать менеджеров по работе с клиентами для лучших потенциальных клиентов.

Автоматически сгенерированные или автоматически улучшенные ответы на запросы предложений

Ответ на запросы предложений (RFP) — это трудоемкий процесс. Если сделать это неправильно, компании могут потерять привлекательные возможности. Gen AI помогает решить эту проблему, автоматически генерируя ответы с использованием обширных наборов данных. Инструменты Gen AI могут предварительно заполнять сведения о приоритетах клиентов, конкурентных оценках и о том, как решение компании отличается, чтобы создать убедительное предложение. Эти инструменты также включают чат-бота, который может отвечать на вопросы о профилях клиентов, прогнозах и планах для поддержки анализа руководителя по работе с клиентами и улучшения подготовки ответа на RFP.

Эффективное планирование счетов часто является одним из важнейших элементов, способствующих успеху менеджера по работе с клиентами. Это еще одна область, где Gen ИИ оптимизирует процесс, который может быть значительно трудоемким, а также обеспечивает аналитику счетов следующего уровня. Инструменты Gen ИИ создают планы счетов, которые автоматически предоставляют сведения о профилях и целях клиентов, оценивают возможности и создают планы действий после сканирования рынка и исследований компании с данными CRM по производительности воронки продаж.

Лид-менеджмент

От первоначального контакта до послепродажной поддержки взаимодействие с клиентами может занять большую часть времени организации продаж. Gen AI может помочь ускорить это взаимодействие, особенно в случаях использования письменной коммуникации. Инструменты Gen AI могут автоматически составлять черновики электронных писем и ответов клиентам, а также предоставлять рекомендации в режиме реального времени о следующих наилучших шагах для эффективного реагирования на запросы.

5. Развитие талантов на основе цифровых технологий

В сегодняшних меняющихся условиях высококлассный торговый персонал важен как никогда. Новые требования к навыкам, такие как кодирование и способность решать проблемы в реальном времени, заставляют компании серьезно относиться к повышению квалификации и переподготовке в масштабе. Два цифровых измерения могут помочь в реализации этого для организаций B2B:

• управление производительностью,
• наращивание потенциала.

Управление эффективностью

Эффективное управление производительностью имеет решающее значение для обеспечения того, чтобы менеджеры по работе с клиентами были на пути к выполнению квот и целей компании. Технологии играют все более важную роль, позволяя компаниям создавать интерактивные цифровые панели мониторинга, которые будут служить единым источником истины о производительности на всех уровнях иерархии. Эти детализированные панели мониторинга обеспечивают видимость в реальном времени (с руководящими, бизнес-линиями и индивидуальными представлениями) в перспективных и исторических ключевых показателях эффективности (KPI), таких как коэффициенты конверсии и новые чистые годовые стоимости контрактов. В сочетании с систематической периодичностью обзора результаты панели мониторинга могут быть преобразованы в действия, которые компании должны предпринять для повышения производительности.

Обучение особенно важно в сложных условиях, поскольку традиционные методы коучинга часто не справляются с решением динамических потребностей и не обладают необходимой конкретикой для повышения производительности каждого менеджера по работе с клиентами. Gen AI может помочь в индивидуальном развитии возможностей, выявлении пробелов в навыках и коучинге для каждого менеджера по работе с клиентами, чтобы стать более эффективным продавцом. В частности, Gen AI используется в речевой аналитике для анализа звонков клиентов и оценки намерений клиентов, поведения агентов, факторов конверсии и отмен для выявления областей для улучшения.

Управление изменениями

Пять технических рычагов могут дать компаниям возможность подходить к основам продаж с большей точностью, глубиной и скоростью; однако одних только технологий, скорее всего, будет недостаточно для устойчивой производительности. Успешные трансформации роста также выигрывают от структурированной структуры исполнения, подчеркивающей целостное управление изменениями с измеримыми целями производительности и отслеживанием. Трудно сделать это правильно. Для внедрения технологических инноваций компании также могут эффективно внедрить три столпа управления изменениями:

• Установите смелое видение и тщательно реализуйте его: компании могут сделать трансформацию главным приоритетом для руководителей и создать структурированный план активации, чтобы обеспечить ее успех. Лидеры могут активировать руководящие комитеты для стимулирования трансформации, прозрачно распространять сообщения по всей организации с подробными планами реагирования и активно вовлекать продавцов в сбор отзывов.
• Установите строгие процессы для предоставления видения: лица, принимающие решения в сфере B2B, могут внедрить управление эффективностью в масштабах всей организации, определить соответствующие ключевые показатели эффективности и установить регулярный график проверок, чтобы точно измерять и отслеживать прогресс. Согласовывая бюджеты, стимулы для продавцов и компенсации с целями трансформации, они могут предоставить адекватные ресурсы и мотивировать необходимые поведенческие изменения и способы работы для адаптации к новым подходам к продажам.
• Нанимайте, повышайте квалификацию и сохраняйте лучшие таланты: торговые представители могут преуспеть в понимании языка клиентов, решении проблем и демонстрации технологической и аналитической подкованности. Компаниям стоит инвестировать в структурированные программы обучения для повышения квалификации торговых представителей в определенных областях. Также важно создать культуру, ориентированную на рост, чтобы вдохновлять мышление в новой бизнес-модели с поддержкой технологий и искусственного интеллекта.

Сочетание последних инноваций в технологиях и комплексного управления изменениями может стать движущей силой новой волны роста для игроков B2B-сектора.


Источник

Пять способов, которыми лидеры продаж B2B могут добиться успеха с помощью технологий и искусственного интеллекта. 13 февраля 2025 г. Статья. Эрик Быковски, Гильерме Круз, Жан-Шарль Девинь, Мария Вальдивьесо, Кристиана Торрес.

https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/five-ways-b2b-sales-leaders-can-win-with-tech-and-ai
Five ways B2B sales leaders can win with tech and AI. February 13, 2025. Article. Eric Bykowsky, Guilherme Cruz, Jean-Charles Devignes, Maria Valdivieso, Cristiana Torres.

Магия цифр

73939133 - самое большое простое число, обладающее таким любопытным свойством: если убрать одну или несколько цифр с конца, все числа будут простыми:

73939133
7393913
739391
73939
7393
739
73
7

Ключ к простоте. Самый простой способ достичь простоты - разумно сократить то, что уже есть.

Главный закон. Простота заключается в том, чтобы убрать очевидное и добавить необходимое.

* * *

По состоянию на 2013 году математик из США Кертис Купер получил самое большое из известных на настоящий момент простых чисел — так называемое число Мерсенна. Об открытии сообщалось на сайте проекта распределенных вычислений GIMPS (Great Internet Mersenne Prime Search), в рамках которого число и было обнаружено.

Наибольшее известное простое число — (2 в степени 82 589 933) − 1. Оно было найдено Патриком Ларошем в рамках проекта GIMPS 7 декабря 2018 года и содержит 24 862 048 десятичных цифр.

Запись числа Кертиса Купера  в десятичной системе счисления состоит из 17 425 170 знаков. Для сравнения длина предыдущего рекордсмена составляла 12 978 189 знаков. Простым, напомним, называется число, которое делится только на себя и на единицу.