пятница, 29 августа 2025 г.

Монетизация искусственного интеллекта

 Способы монетизации посредством искусственного интеллекта

 

Этап

Пример реализации искусственного интеллекта поколения

Сбор данных.

Выявление, сбор и получение необработанных данных из внутренних и внешних источников, включая системы, датчики и сторонних поставщиков.

·         Генерация синтетических данных

·         Автоматизированное обнаружение данных

·         Расширение веб-скрапинга

Подготовка и очистка данных.

Обработка, очистка и нормализация необработанных данных для устранения ошибок, обеспечения качества и обогащения контекста для последующего анализа.

·         Нормализация данных

·         Шумоподавление

·         Распознавание сущностей

Обучение и разработка моделей.

Проектирование, разработка и обучение аналитических или прогностических моделей с использованием обработанных данных для выявления закономерностей и понимания.

·         Тонкая настройка, специфичная для домена

·         Автоматизированное машинное обучение

·         Особенности проектирования

Продуктивизация и интеграция.

Трансформация, внедрение и интеграция моделей и идей в масштабируемые продукты или приложения для конечных пользователей.

·         Разговорные интерфейсы

·         Контекстно-зависимые API

·         Оркестровка на основе агентов

Доставка и действие.

Доставка, развертывание и операционализация аналитических данных для принятия решений в режиме реального времени и внедрения аналитики в бизнес-процессы.

·         Принятие решений в реальном времени

·         Гиперперсонализация

·         Автоматизированные последующие действия

 

Источник.

https://www.mckinsey.com/capabilities/business-building/our-insights/intelligence-at-scale-data-monetization-in-the-age-of-gen-ai

понедельник, 25 августа 2025 г.

Из книги "Гиперпространство" М.Каку

Великая теория объединения


Поскольку Стандартная модель настолько искусственна, было со смешанным успехом предпринято немало попыток отойти от нее. 

В частности, в конце 1970-х гг. пользовались популярностью теории Великого объединения (Grand Unified Theory — GUT), пытающиеся объединить симметрию сильного, слабого и электромагнитного квантов, включая их в более крупную симметричную группу (например, SU(5), O(10) или Е(6)). Вместо того чтобы примитивным образом сращивать симметричные группы трех взаимодействий, теории Великого объединения исходили из более масштабной симметрии, требующей меньшего количества произвольных констант и допущений. Теории Великого объединения существенно увеличили количество частиц по сравнению со Стандартной моделью, а преимуществом стала замена громоздких групп SU(3) × SU(2) × U(1) единственной симметричной группой. В простейшей из теорий Великого объединения, названной SU(5), применяется 24 поля Янга–Миллса, но по крайней мере все эти поля Янга–Миллса принадлежат одной, а не трем разным симметричным группам.

Эстетическое преимущество теорий Великого объединения в том, что они подводят одну и ту же базу под сильное взаимодействие кварков и под слабое взаимодействие лептонов. Так, в SU(5) мультиплет частиц состоит из трех цветных кварков, электрона и нейтрино. Вращения группы SU(5) переводят эти частицы друг в друга без изменения физической модели их описания.

О теории струн


К сожалению, в настоящее время специалисты по теории струн не в состоянии объяснить, почему выбрано именно десять измерений. Ответ скрыт в глубинах математики, в области так называемых модулярных функций. Оперируя петлевыми диаграммами КСВ, созданными взаимодействующими струнами, мы сталкиваемся со странными модулярными функциями, где число 10 возникает в неожиданных местах.

Эксперимент с сотворением мира


Английский философ XVIII в. Дэвид Юм , известный своим высказыванием, что каждая теория должна строиться на фундаменте эксперимента, так и не сумел объяснить, каким образом можно экспериментально подтвердить креационистскую теорию.

Юм утверждал, что суть эксперимента — в его воспроизводимости. Если эксперимент нельзя повторять снова и снова в разных местах и в разное время и получать одинаковые результаты, значит, теория не внушает доверия. Но как осуществить эксперимент с сотворением мира? Поскольку сотворение по определению невоспроизводимо, Юму пришлось признать, что подтвердить какую бы то ни было теорию сотворения невозможно. И он заявил, что наука может ответить почти на все вопросы, касающиеся Вселенной, кроме единственного — о сотворении, которое нельзя воспроизвести экспериментальным путем.

Последствия применения принципа Оккама


Теория эфира давала удобный ответ на каверзный вопрос: если свет — волна и если свет может распространяться в вакууме, тогда что же такое волнообразные колебания? Ответ состоял в том, что эфир, подобно жидкости, совершает колебания даже в вакууме. Эйнштейн доказал необязательность существования эфира. Однако он никогда не утверждал, что эфира не существует — просто сказал, что он нерелевантен. Таким образом, следуя принципу Оккама, физики больше не обращаются к эфиру.)

Продолжая в том же духе, физики воздерживаются от категорических заявлений о том, что ангелов и чудес не бывает. Возможно, и те и другие есть. Но чудеса почти по определению не повторяются регулярно, следовательно, их нельзя количественно оценить в ходе эксперимента. Значит, в соответствии с принципом Оккама их надо игнорировать (конечно, если мы не найдем воспроизводимое и измеримое чудо или ангела).

О футурологии


Футурология, или предсказание будущего на основании рациональных научных суждений, - рискованная наука.

Кое-кто вообще считает ее не наукой, а чем-то вроде фокусов или колдовства. Футурология заслуженно пользуется этой сомнительной славой: все «научные» опросы о следующем десятилетии, проведенные с участием футурологов, угодили мимо цели. Примитивность футурологии как науки объясняется тем, что нам свойственно мыслить линейно, а знания развиваются экспоненциально. К примеру, опросы футурологов показали, что они берут известные достижения технологии и просто удваивают или утраивают их, предсказывая будущее.
Опросы в 1920-х гг. показали, что футурологи предсказывали: через несколько десятилетий целый флот дирижаблей будет возить пассажиров через Атлантику. Однако наука выбирает неожиданные пути развития.

В краткосрочной перспективе, при экстраполяции на несколько лет, можно с уверенностью предсказывать, что наука будет неуклонно осуществлять количественные усовершенствования существующих технологий. Но при экстраполяции на несколько десятилетий мы видим, что определяющим фактором становятся качественные прорывы в новых сферах и открытие новых отраслей в неожиданных местах.

Вероятно, самый известный промах футурологов - предсказания Джона фон Неймана, отца современного компьютера и одного из самых выдающихся математиков столетия. После войны он сделал два прогноза: согласно первому в будущем компьютеры станут настолько громоздкими и дорогостоящими, что их смогут позволить себе лишь правительства развитых стран; согласно второму — компьютеры смогут точно предсказывать погоду.

Из постороннего источника - для парадоксального.
Чем точнее и полнее ты знаешь свое будущее, тем больше у тебя оснований считать, что ты его уже прожил. Когда исход игры становится ясен, мы утрачиваем к ней интерес и начинаем новую партию. Вот почему многие люди не желают, чтобы им предсказывали судьбу: дело не в том, что, по их мнению, все это предрассудки, и не в том, что они боятся, как бы им не напророчили нечто ужасное. Все просто сводится к тому, что чем более определено наше будущее, тем меньше в нем неожиданностей и тем скучнее в нем жить.

Классификация цивилизаций будущего


Астроном Николай Кардашев классифицировал цивилизации будущего следующим образом:
  • Цивилизация I типа контролирует энергетические ресурсы целой планеты. Эта цивилизация способна управлять погодой, предотвращать землетрясения, внедряться в глубины земной коры и пользоваться дарами океанов. Она уже завершила исследование своей солнечной системы.
  • Цивилизация II типа контролирует энергию самого Солнца. И это не просто пассивное ее использование: цивилизация данного типа осваивает Солнце. Ее энергетические потребности настолько велики, что мощность Солнца эксплуатируется непосредственно для приведения в действие машин. Эта цивилизация начнет колонизацию местной солнечной системы.
  • Цивилизация III типа контролирует энергию всей галактики. Источником энергии ей служат миллиарды звездных систем. Вероятно, представители этой цивилизации уже освоили уравнения Эйнштейна и могут по своему желанию манипулировать пространством-временем.

Нашу цивилизацию, в отличие от перечисленных, можно отнести к нулевому типу, так как она лишь начинает черпать планетарные ресурсы, но не располагает технологическими и другими возможностями, чтобы контролировать их.

Цитата из книги "Конец мира – это только начало":

"Еще "недавно", в 1700 году, вся энергия, используемая людьми, бралась из трех источников: мускулы, вода или ветер. Предыдущие тринадцать тысячелетий человечество пыталось использовать эти три силы в больших объемах и с большей эффективностью, но использование ископаемого топлива всё это изменило".


Споры о сравнительных достоинствах физики и философии


Споры о сравнительных достоинствах физики и философии порой напоминают мне служебную записку одного главы университета, который проанализировал разницу между этими учеными.

Он писал: «И почему же это вам, физикам, всегда требуется так много дорогостоящей аппаратуры? Вон кафедра математики ничего не просит, кроме бумаги, карандашей и мусорных корзин. А кафедра философии еще лучше: ей даже мусорных корзин не нужно»

О Боге ученых

Как я понимаю, проблема в том, что в слово «Бог» люди вкладывают различный смысл, а использование слов, исполненных невысказанного, скрытого символизма, только затуманивает проблему. 

Оказалось, что, для того чтобы хоть как-нибудь прояснить ее, полезно четко разграничивать два типа значений слова «Бог». 

Иногда полезно различать Бога чудес и Бога порядка.

Когда словом «Бог» пользуются ученые, обычно они подразумевают Бога порядка. Можно с уверенностью утверждать, что большинство ученых верит в существование некой формы космического порядка во Вселенной.

Но для человека, не принадлежащего к кругу ученых, слово «Бог» почти наверняка означает Бога чудес, в этом и заключается причина непонимания между учеными и обывателями. Бог чудес вмешивается в наши дела, творит чудеса, разрушает города грешников, громит армии врагов, топит войска фараона, мстит чистым и достославным.

У Бога чудес есть одно огромное преимущество перед Богом порядка. Бог чудес объясняет мифологию нашим предназначением во Вселенной; Бог порядка не дает ответа на этот вопрос.

Литература


Митио Каку: Гиперпространство. Научная одиссея через параллельные миры, дыры во времени и десятое измерение.

Подробнее: https://www.labirint.ru/books/432347/

четверг, 21 августа 2025 г.

Оценка лечебного эффекта продуктов

Основной процесс, который может применяться для оценки заявлений об лечебном эффекте продуктов, состоит из трех этапов:

1. Какие конкретные заявления деляются о пользе для здоровья? Это часто легче сказать, чем сделать, потому что большинство продуктов продаются с заявлениями, которые слишком расплывчаты, чтобы их проверить: например, «поддерживает здоровье сердечно-сосудистой системы» (где «поддерживает» — это обтекаемое слово, которое избегает утверждения, что этот продукт является основным механизмом). Мы также видим такие вещи, как «помогает поддерживать здоровое (чего угодно)», что столь же уклончиво. Мы видим «улучшает пищеварение» или «может снизить риск (чего-либо)», что то же самое, что ничего не сказать. Я могу быть Суперменом. И, конечно, всегда есть вездесущее «помогает поддерживать иммунную систему», как воздух, которым вы дышите, и вода, которую вы пьете. Суть в том, что конкретные, проверяемые заявления очень часто трудно найти. Исследователь нашел один продукт, который был достаточно смел, чтобы заявить, что он «поддерживает здоровый уровень инсулина, уже находящийся в пределах нормы». Ого, чудо.

2. Содержит ли эта еда на самом деле какой-то ингредиент, который является правдоподобным механизмом для заявления о пользе для здоровья? Если заявление было «предотвращает цингу», и еда действительно содержит большое количество витамина С, ну, тогда у нас есть правдоподобный механизм. И затем у нас есть все бесчисленные пробиотические продукты, и, как обнаружилось о пробиотиках, оказывается, что к тому времени, когда еда производится, хранится, отправляется, хранится, отправляется в розничные магазины, выставляется напоказ, покупается и забирается домой, есть почти нулевая вероятность того, что какие-либо живые культуры останутся. Таким образом, пробиотик — это пример пищи, которая, вероятно, не содержит ингредиента, ответственного за заявленную пользу для здоровья.

3. Подтверждается ли польза для здоровья данными? В тех немногих случаях, когда мы можем определить достаточно специфичное для проверки утверждение о пользе для здоровья, можно провести контролируемое исследование и посмотреть, действительно ли продукт обеспечивает заявленную пользу в степени статистической значимости по сравнению с плацебо. Это невероятно, что что-то такое проводится с продуктами питания.

воскресенье, 17 августа 2025 г.

ИИ и когнитивные предубеждения

"Посредственность даже при быстродействии в 1000 миллионов операций в секунду все равно остается посредственностью". Грег Иган.

Теперь мы вступаем в новый период великих изобретений – искусственный интеллект, квантовые вычисления, синтетическая биология и автономные системы трансформируют не только отрасли, но и целые общественные структуры. Как и в случае с прошлыми технологическими революциями, эти сдвиги приносят огромные возможности, но также и глубокую нестабильность.

  • ИИ разрушает рынки труда и меняет процесс принятия решений, отражая прошлые переходы от сельского хозяйства к промышленности.
  • Энергетический переход меняет геополитическую мощь, подобно тому, как это происходило с нефтью и углем в предыдущие столетия.
  • Информационные сети ускоряют пропаганду и социальную фрагментацию, напоминая о роли печатных СМИ в идеологических революциях прошлого.
  • Короче говоря, мы не просто наблюдаем изменения; мы переживаем полномасштабную перестройку систем.

Изначально интернет представлялся — и широко праздновался — как революционный инструмент для демократизации знаний, устранения барьеров для доступа к информации и содействия глобальному взаимопониманию. Однако теперь мы сталкиваемся с реальностью, резко отличающейся от этого оптимистичного видения. Обилие информации, вместо того чтобы повышать ясность и истину, породило проблему «шума в сигнале», когда дезинформация, дезинформация и эмоционально заряженные повествования часто скрывают правду. Инструменты, предназначенные для навигации по этому плотному ландшафту — поисковые системы, алгоритмы социальных сетей, рекомендательные системы — часто оптимизированы в первую очередь для вовлеченности, а не точности или правдивости. Результатом является среда, в которой процветают сенсационность и разделяющий контент, формируя общественный дискурс и восприятие. Такая динамика усиливает эскалацию цикла обратной связи, в котором доминируют провокационные и поляризованные нарративы, подрывая рациональность и критическое мышление, которые изначально должна была развивать обильная информация. Наши врожденные когнитивные предубеждения делают нас уникально уязвимыми для манипуляций в насыщенной информационной среде. Знакомые предубеждения, такие как предвзятость подтверждения, эффект Даннинга-Крюгера и эффект обратного эффекта, всегда влияли на принятие решений человеком. Эффект Даннинга-Крюгера, в частности, подчеркивает, как люди с более низкой компетентностью часто демонстрируют самую высокую уверенность в своих убеждениях, что делает их особенно устойчивыми к корректирующей информации и, таким образом, легко поддающимися манипуляции.

Предвзятость подтверждения толкает людей к информационным эхо-камерам, которые усиливают существующие убеждения, в то время как племенной строй усиливает идеологические разногласия, объединяя людей с группами, разделяющими схожие взгляды. Эти идеологические разногласия намеренно эксплуатируются теми, кто использует целевые информационные кампании для манипулирования и усиления определенных нарративов. Эмоциональное убеждение еще больше усугубляет эту проблему, причем отрицательные эмоции, такие как страх и гнев, являются особенно мощными инструментами манипуляции, заставляя людей делиться и верить эмоционально заряженной дезинформации, даже если ей не хватает фактической точности.

Цифровое усиление когнитивных предубеждений привело к тревожной реальности, в которой дезинформация распространяется экспоненциально быстрее, чем достоверная информация. Это приводит к тому, что люди все больше укореняются в своих собственных убеждениях, сопротивляясь доказательствам или рациональному дискурсу.

Глубокие фейки , контент, созданный искусственным интеллектом, и микротаргетированная реклама теперь позволяют субъектам — как спонсируемым государством, так и корпорациям — создавать убедительные нарративы, которые являются персонализированными, точными и мощными. Как следствие, эти возможности могут значительно манипулировать общественным мнением, влиять на результаты выборов и даже подстрекать к общественному насилию.

Мы стали свидетелями этого на собственном опыте, наблюдая, как геополитические деятели используют скоординированные кампании по дезинформации на платформах социальных сетей, чтобы посеять раздор и подорвать общественное доверие. Одновременно корпорации внедряют передовые алгоритмы, которые тонко влияют на поведение потребителей, отдавая приоритет максимизации прибыли за счет прозрачности и этической целостности. Такая динамика подчеркивает неотложную системную проблему, влияющую не только на индивидуальные убеждения, но и на структуру общества в целом.

Источник.

https://frankdiana.net/2025/02/25/the-persuasion-paradox-reclaiming-truth-in-the-age-of-digital-persuasion/

среда, 13 августа 2025 г.

GenAI в ИТ

Агенты Gen AI начинают приносить прорывную пользу, но только когда компании понимают, как создавать и организовывать сотни таких агентов.

В основе практически каждой крупной организации лежит массивный якорь, замедляющий бизнес: технический долг, устаревших ИТ-систем. Часто созданные десятилетия назад, эти крупные системы образуют техническую основу компаний и функционируют почти в каждом секторе.

Модернизация устаревших систем и погашение технологического долга традиционно считались «ИТ-проблемой», и руководители бизнеса были довольны тем, что более или менее откладывали решение проблемы на потом. Причины известны: это слишком дорого (часто сотни миллионов долларов), это занимает слишком много времени (пять-семь лет), это слишком разрушительно, окупаемость инвестиций неясна, а текущие системы в основном работают.

Но поскольку технологии проникают в каждый уголок бизнеса и становятся центральным элементом способности компании генерировать ценность, модернизация ИТ-систем должна стать приоритетом генерального директора. Возможности и риски, возникающие в результате достижений в области технологий — от генеративного ИИ (gen AI) до облачных технологий и робототехники — требуют современных технологических основ. Фактически, технологии обеспечивают около 71% ценности, получаемой от бизнес-трансформаций. Тот факт, что программисты, создававшие и обслуживавшие эти устаревшие корпоративные системы, достигают пенсионного возраста, еще больше усиливает необходимость модернизации.

Новые разработки в области ИИ, особенно в области генеративного ИИ, радикально пересматривают затраты и выгоды модернизации устаревших технологий и сокращения технологического долга как части более масштабного набора изменений в работе ИТ.

Хотя это еще только начало, опыт McKensey показывает, что использование ИИ-технологий может устранить большую часть ручной работы, что приведет к ускорению сроков технологической модернизации на 40–50% и сокращению расходов, связанных с технологическим долгом, на 40%, а также повышению качества результатов. Однако эта ценность меньше связана с самой технологией и больше с тем, как она используется, с особым акцентом на следующее:

  • Улучшение бизнес-результатов. Преобразование старого кода в современные технические языки просто переносит технический долг из устаревшей системы в современную. Чтобы избежать этой проблемы «кода и загрузки», необходимо использовать ИИ-технологии, чтобы принимать более обоснованные бизнес-решения и модернизировать то, что имеет значение.
  • Включение автономных агентов генеративного ИИ. Создание и обучение армии агентов генеративного ИИ, которые могут работать независимо и совместно с человеческим контролем над рядом сквозных процессов, как оказалось, обеспечивает значительные улучшения в усилиях по модернизации ИТ.
  • Сосредоточение на масштабировании ценности. Ценность многоагентной модели заключается в ее индустриализации, что позволяет масштабировать ее и применять в различных областях бизнеса, а также непрерывно погашать технический долг.

По своей сути модернизация технологий подразумевает преобразование существующих приложений для использования современных технологий, фреймворков и архитектур. Этот процесс может включать переключение на более простые в использовании языки программирования, переход на современные фреймворки, которые обеспечивают большую функциональность, реструктуризацию систем для создания модульности или даже исправление и миграцию приложений для работы в более дешевых облачных средах. Использование возможностей генеративного ИИ для внесения таких изменений, повышения рентабельности инвестиций в облачные программы и погашения технического долга требует сосредоточения на трех областях, упомянутых выше.

Компании имели тенденцию использовать генеративный  ИИ грубым способом, например, передавая устаревший код непосредственно в ИИ, который переводит его на современный язык. Однако этот подход «кодируй и загружай» по сути переносит технический долг в современный контекст. Эта ловушка похожа на ту, в которую попали многие компании в ранние дни облачных вычислений, когда основное внимание уделялось «подъему и сдвигу», то есть перемещению существующих приложений в облако, где устаревшие проблемы оставались нерешенными.

Целью модернизации устаревших технологий не должно быть преобразование как можно большего количества строк кода. Она должна быть направлена ​​на улучшение систем и процессов, чтобы бизнес мог генерировать больше ценности. Это означает использование ИИ-технологий для понимания существующего кода, определения того, что необходимо для создания ценности бизнеса, а затем модернизации процессов, необходимых для достижения результата.

При правильном применении ИИ способен переводить часто непроницаемые устаревшие элементы — документацию, код, данные о наблюдаемости, журналы вызовов, подходы к программированию и так далее — в простые описания процессов за считанные минуты.

Включение автономных агентов генеративного ИИ

При разработке программного обеспечения использование агентов искусственного интеллекта для помощи разработчикам в написании кода может помочь некоторым разработчикам повысить свою производительность. Следующий этап ускорения позволит агентам ИИ работать независимо, но под контролем человека.

По мере того как компании масштабируют агентов генеративного ИИ, скорость и производительность модернизации ИТ увеличиваются.

Суть подхода с автономными агентами заключается в развертывании множества специализированных агентов ИИ с собственной ролью и опытлм, сотрудничающих в выполнении сложных задач. Задачи, которые они могут выполнять, включают анализ данных, организацию сложных интеграций, проектирование и выполнение тестовых случаев, а также уточнение результатов на основе обратной связи от людей в реальном времени.

Однако реальная ценность заключается в оркестровке агентов для выполнения не только задач, но и целых процессов разработки программного обеспечения. Агенты картографирования и хранения данных, например, выполняют анализ данных, анализ соответствия, тестирование, а также создают соответствующую документацию. Эти агенты работают с агентами проектирования безопасности, которые фокусируются на анализе угроз, политике информационной безопасности, проектировании безопасности и агентах разработки безопасного, защищенного и эффективного кода.

Чтобы гарантировать, что агенты Gen AI выдают правильные результаты, важно внедрить ряд элементов управления. Например, конструктивные циклы обратной связи позволяют агентам проверять и совершенствовать работу друг друга. Агенты Gen AI также могут быть запрограммированы на самообучение в решении проблем или передачу проблем менеджеру-человеку, если они не могут в них разобраться. Некоторые агенты Gen AI могут даже задавать менеджеру прямые вопросы. Присвоение идентификаторов каждому агенту Gen AI позволяет менеджерам быстро определять источник проблемы и решать ее. Аналогичным образом организации могут разрабатывать специализированных агентов для автоматического тестирования и исправления результатов других агентов на основе выявленных этических и предвзятых проблем.

Роль, которую играют люди, будет по-прежнему иметь решающее значение для руководства и управления агентами ИИ. Экспертам, таким как владельцы продуктов, инженеры и архитекторы, необходимо будет понять цель устаревших систем, выяснить, какие процессы важны для бизнеса, а также разработать и установить цели и целевые состояния.

Масштабирование ценности

Ажиотаж вокруг ИИ заставил компании сосредоточиться на оценке и выборе инструментов. Это важно, но это меркнет по сравнению с решением более масштабной проблемы и возможностей: как масштабировать ИИ.

Лидерство в области технологий должно сосредоточиться на разработке центрального, автономного ИИ, который сможет создавать сложные многоагентные сквозные рабочие процессы. Существует два основных компонента реализации этой возможности:

Фабрика. Фабрика — это группа людей, которые разрабатывают и управляют несколькими агентами ИИ для выполнения определенного сквозного процесса. Цель фабрики — стандартизировать и упростить различные процессы, составляющие разработку, развертывание и управление агентами ИИ. Фабрика разрабатывает стандартизированный набор инструментов и подходов для разработки и управления агентами, таких как мониторинг, прослеживаемость, управление документами и доступ к большой языковой модели. Организация должна рассмотреть возможность разработки от пяти до десяти фабрик агентов на ранних стадиях зрелости.

Платформа. Платформа ИИ — это стандартизированный набор повторно используемых сервисов и возможностей, к которым могут получить доступ к фабрике. Платформа должна включать пользовательский интерфейс, API, которые соединяют сервисы ИИ с корпоративными сервисами, ряд вспомогательных сервисов (таких как сервис импорта данных или сервис оркестровки агентов) и библиотеку агентов ИИ, которые можно загружать для выполнения определенных задач. В идеале компании должны разработать одну или две фабрики ИИ, чтобы точно определить, какие виды сервисов и возможностей они используют совместно, а затем стандартизировать эти элементы и предлагать их через платформу. Специальная группа соответствующих экспертов должна как контролировать разработку и управление этой платформой, так и внимательно отслеживать использование по определенным ключевым показателям эффективности, таким как использование сервисов или функций.

Компаниям, желающим перейти на модель многоагентной оркестровки, следует рассмотреть возможность выполнения четырех шагов:

Подвергайте сомнению любые технологические предложения, которые имеют длительную временную шкалу и требуют много людей. Многие крупномасштабные ИТ-проекты традиционно требуют многолетней работы многих людей для предоставления ценности. Любые предложения, которые следуют этой модели, следует воспринимать скептически. Это означает рассмотрение всех предложений и инициатив, которые находятся в стадии реализации, чтобы определить, как ИИ может сократить расходы и сократить сроки. Будьте особенно внимательны при рассмотрении программ и предложений, которые подразумевают использование возможностей ИИ. Возможности могут быть ограниченными или вспомогательными и, таким образом, неспособными обеспечить большую ценность.

Сосредоточьте ИИ на самых больших проблемах. Небольшие инициативы приводят к небольшим результатам. ИИ имеет потенциал радикально пересмотреть соотношение затрат и выгод модернизации систем и сокращения технологического долга. Определите самые крупные и сложные технологические проблемы — те, которые стоят сотни миллионов долларов, имеют многолетние сроки и ответственны за большие транши технического долга — и сосредоточьтесь на разработке решений ИИ для них. Часть этих усилий должна включать пересмотр предыдущих планов технологической модернизации, которые считались слишком дорогими или требующими много времени.

Свяжите свой бизнес-план явно с ценностью и активно отслеживайте его. Хотя у многих компаний есть бизнес-планы, они часто поверхностны или ограничены по охвату (например, фокусируются только на технологии, а не на операционной модели). Сильный план дает подробное представление о ценности, поставленной на карту, приращениях ценности, которые должны быть получены по ходу дела (с учетом текущих расходов, таких как текущие и будущие расходы на эксплуатацию инфраструктуры, и единовременных расходов, таких как модернизация кода), действиях, необходимых для их получения, и временной шкале, которая фиксирует точку безубыточности. Более важным, чем разработка плана, является его пересмотр и обеспечение того, чтобы усилия по модернизации действительно захватывали предполагаемую ценность. Без такого рода дисциплины сильные планы обычно постепенно теряют фокус и по умолчанию поставляют код, а не ценность.

Опережайте требования к квалификации, эффекты технологий и операционной модели. По мере масштабирования многоагентного подхода компаниям необходимо понимать и планировать последствия для бизнеса. К ним относятся, среди прочего, как переосмыслить стратегию привлечения талантов и программы переподготовки, как должна адаптироваться операционная модель и как изменятся операционные расходы и капитальные затраты. Это вопросы на уровне генерального директора и совета директоров, требующие продуманного планирования.

Источник

https://www.mckinsey.com/capabilities/quantumblack/our-insights/ai-for-it-modernization-faster-cheaper-and-better

AI for IT modernization: Faster, cheaper, better. December 2, 2024 | Article

This article is a collaborative effort by Aaron Bawcom and Matt Fitzpatrick, with Chi Wai Cheung, Dan Collins, and Dante Gabrielli, representing views from McKinsey Technology and QuantumBlack, AI by McKinsey.

ИИ для модернизации ИТ: быстрее, дешевле, лучше. 2 декабря 2024 г.| Статья

Аарон Боуком — партнер в офисе McKinsey в Атланте; Мэтт Фицпатрик — старший партнер в офисе в Нью-Йорке, где Чи Вай Чунг — главный архитектор, а Дэн Коллинз — старший директор; Данте Габриэлли — главный менеджер по продукту в офисе в Филадельфии.
Авторы хотели бы поблагодарить Роба Патенге и Вито Ди Лео за их вклад в эту статью..

суббота, 9 августа 2025 г.

Философия математики

Из книги в настоящую заметку перенесены введение и заключения.

Габриэле Лолли. Философия математики: наследие двадцатого
столетия / Пер. с итал. А.Л. Сочкова, С.М. Антакова, под ред. проф.
Я.Д. Сергеева. – Н. Новгород: Изд-во Нижегородского госуниверситета
им. Н.И. Лобачевского, 2012. – 299 с.

Перенесено не все. 

Из "Введение"

В этой книге рассмотрен широкий спектр философии математики двадцатого века, представленный, прежде всего, теми ее направлениями, которые во второй половине столетия явили собой концепции, актуальные и сегодня. На рубеже веков к таким течениям С. Феферман отнес 
  • платонизм, структурализм, натурализм, предикативизм, конструктивизм и формализм. 
Наш список богаче, в него вошли и философии, может быть, не столь знаковые, но определенно показательные.

Книга представляет собой беглый обзор существующих философских течений, обзор, который, однако, достаточно точен и последователен. Выбор рассматриваемых направлений, как всегда, является упрощающим и субъективным. Исключены некоторые оригинальные идеи, которые не получили дальнейшего развития. Не посвящено отдельной главы основаниям теории категорий, которая понемногу сдает свои позиции несмотря на то, что ранее претендовала на радикальный пересмотр концептуальной организации математики. Амбиции теории категорий отчасти обоснованны, если исследования по основаниям математики разрабатываются нетрадиционным образом. Если же их рассматривать только как предложение новой понятийной структуры, то категории порождают те же самые проблемы, что и множества, причем эти последние связаны, в основном, с классической философской проблематикой, в то время как категории закладывают в основания математики специфическую концепцию – понятие функции, которая не принадлежит естественному бытовому языку. Теория категорий, во всяком случае, совместима с различными основными течениями философии математики, как, например, с реализмом, так и с формализмом.

Философия математики представляет собой научную дисциплину, которую продолжают культивировать с прилежанием, что приносит многочисленные плоды. Видимо, это происходит потому, что нет окончательных выводов и можно вновь и вновь возвращаться к тем же самым проблемам с новыми идеями и аргументами. Само название этой науки подсказывает, что она интересует и философов, и математиков, которые ведут исследования различными способами, по-своему формулируя и проблемы, и решения. Откровенно говоря, философия математики, которая достаточно непроста и требует широкого кругозора и глубоких знаний во многих отраслях науки, не всегда оценивается по достоинству и теми, и другими, если, конечно, не сводится к простым и незатейливым формулам.

Из "Заключение"

...смелая (или легкомысленная) экстраполяция первых нейрофизиологических результатов, которые подтверждают генетическое наследование элементарных понятий арифметики. Предлагается гипотеза, что математические объекты могли бы являться тем, что осталось в результате отбора (в дарвиновском смысле) в процессе приспособления. Естественный отбор мог быть фактором филогенетического развития с целью обеспечить построение мозгом определенных внутренних представлений, обладающих преимуществами в плане их приспособленности к закономерностям мира, как, к примеру, глаз приспособился для зрения. 


В недавнем n-м предложении оживить философию математики Б. Голд (Bonnie Gold) составила список 38 вопросов или проблем, разработка которых могла бы интересовать математиков. Многие из них являются традиционными и касаются существова ния математических объектов, природы математического знания, его достоверности и границ, роли доказательства и различных видов интуиции или других источников знания, перехода от первых конкретных практических опытов к более продвинутому знанию, возможной пересматриваемости или, наоборот, перманентности математических результатов и их фальсифицируемости, связи с естественными науками, роста математических идей, ошибок, свободы и необходимости, изобретения и открытия. Мы затронули практически все, кроме явно выраженных социологических, как то одновременные открытия или роль сотрудничества, происхождение проблем, мотивации для исследований, национальные различия. Некоторые вопросы направлены, прежде всего, на участие математиков, когда Голд просит ответить на вопрос, что общего есть между алгеброй, анализом, топологией и комбинаторикой и почему все эти дисциплины классифицированы под одним и тем же названием (математика), и каково значение глубоких связей между разделами, которые кажутся внешне различными. К вопросам для математиков относятся и исследование роли эстетических критериев и окружающей культуры, использование символов и определений или лемм как сокращений доказательств, значение обобщения, отношения между математикой письменной и устной, или неформальной, а также стиль изложения. Речь идет о приглашении к целому спектру разнообразных исследований, причем не обязательно связанных друг с другом или сходящихся к одной общей цели. Большую часть из них могут выполнить лишь математики, другие исследования лучше проводить в сотрудничестве.

Среди положительных уроков мы поняли, благодаря Дедекинду и логицизму, что можно определить натуральные числа: повторение следования дает отдельные числа, но абстрактная идея итерации, которая позволяет нам сказать, что все они имеются в распоряжении, помимо ее утверждения может быть определена, если принимается понятие бесконечности. Всего лишь сто лет тому назад математики сомневались в том, можно ли с помощью одного единственного мыслительного акта получить бесконечные заключения, которые устанавливают результат для всех натуральных чисел, и спрашивали себя, нужно ли придумывать либо отбросить понятие бесконечных доказательств.

Мы поняли также, благодаря логике, что натуральные числа не поддаются определению. Поняли, что определить не значит перевести что-то в плоскость объективного существования, не значит выступить Создателем. Но это значит подготовить возможность отношений, которые зависят от логики, которую предполагается использовать для вывода следствий. Мы знаем действительно все по поводу возможностей, которые дают различные типы логики первого или высших порядков, или неклассических.

Мы поняли, благодаря дедуктивизму, что такое теорема, и как применяется аксиоматический метод. Поняли, что дедуктивный вывод есть некая формальная структура, которую можно запрограммировать в машине для выполнения, и что машины могут выполнять доказательства. Поняли, что такое структура, и что математика изучает структуры и становится все более чем-то, что не является наукой о числе.

В итоге мы поняли две или три действительно важные вещи о математике (фрагментарно, может быть, и, кто-то мог бы сказать, запоздало). Да, потребовалось время для всего этого, но, с другой стороны, сколько времени потребовалось, чтобы увидеть эллипсы в небе?

Достижения логицизма, дедуктивизма, структурализма, логики являются богатством знаний о математике, которые имеют непреходящее значение, никогда не будут опорочены и должны быть приняты всеми, не должны стать поводом философских споров. Совсем не обязательно принимать философию, которая сопровождала их открытие, чтобы признать значение этих результатов.

К сожалению, когда говорится, что мы что-то поняли, это не означает, что поняли все. Иногда в полемике продолжают отрицать очевидные факты. К примеру, Дж.-К. Рота прокомментировал теорему Дезарга, которая выделяется своей центральной ролью из мириадов прочих забытых результатов проективной геометрии, справедливо отметив, что ее важность заслуженна, поскольку «она открыла новые горизонты возможностей, которые связывают алгебру и геометрию неожиданным образом». После чего не смог отказаться от попытки антиаксиоматического выпада:

То, что аксиоматическое представление некоторой математической темы скрывает, для понимания математики не менее значимо, чем то, что аксиоматическое представление претендует раскрыть.

Правда же состоит в том, что теорема Дезарга занимает то место, которое занимает, потому, что стали понятны ее эквивалентность с погружаемостью плоскости в пространство, ее связи с пространственными аксиомами, с возможностью представить аффинную плоскость телом, с теоремой Паскаля и коммутативным законом умножения, а все это обязано аксиоматическим исследованиям Гильберта в Grundlagen der Geometrie 1899 года. Забывать – это просто.

Стоит предостеречь, что все то, что было понято, может оказаться забыто, прежде всего, если это не преподается, если этому отдается должное словами, а потом не подготавливается и не снаряжается для передачи последующим поколениям или, что еще хуже, если продолжаются бесплодные идеологические споры. Нет никакой гарантии перманентности. Достаточно вспомнить, на сколь большое время была забыта эмпирическая индукция Эйлера, потому что, естественно, все занимались другим. Эйлер не был потерян целиком, мы его восстановили. Но не всегда будет происходить так, как в период мрачного Средневековья, и не всегда придут арабы, чтобы помочь нам. Если правда то, что трудно стереть все следы какого-то интеллектуального достижения, то правдой является также и то, что «большая деревня» представляет собой опасность из-за своей унификации и отсутствия экологических ниш для сохранения сокровищ прошлого.

Еще многое, конечно, нужно понять. Горячей темой, но, кажется, лишь потому, что она сейчас стала актуальной из-за компьютера, является, без сомнения, соотношение между алгоритмами и доказательствами и соотношение их с третьим центральным моментом математики, каковым является творческий акт определения. Алгоритмы и доказательства отделяются от понятий, представленных определениями, но именно последние, накапливаясь, утверждают и делают их работоспособными моделями.

Тот факт, что вычисление и логический вывод являются одним и тем же в абстрактных моделях, представленных формальными системами, не говорит ничего (это как заявить, что всякая информация сводится к 0 и 1). Другой пример: обязательное сопровождение алгоритмов соответствующими доказательствами их корректности или, наоборот, извлечение алгоритмов из конструктивистских доказательств. Это интересные результаты и процедуры, но факт остается фактом (вспомним Витгенштейна) – с точки зрения психологии, практики, культуры, антропологии доказательство и вычисление представляют собой две различные деятельности, которые, однако, обязательно и неотвратимо сливаются.

С другой стороны, возможно, что эта проблема вместо того, чтобы оказаться в центре философского внимания, исчезнет, как того желают многие, те, кто считает доказательство морально устаревшей вещью вместе со всем тем, что имеет дело с языком. Ничего нельзя предвидеть заранее.

Философия математики будет определяться исследованиями и результатами математики, а они непредсказуемы, даже если уже сейчас известны. Непредсказуемым является процесс их концентрации в некую критическую массу, в ударный кулак, который порождает сдвиг в некотором направлении. За последние два столетия, как можно заметить, философия математики сформировалась, своеобразным и непредвиденным со стороны философии образом, событиями, происходившими в математике.

В той части, где излагаются философии математики, очевидной альтернативой представлению различных течений мог бы быть вариант, прослеживающий хронологическое развитие, который мы рассматривали и отклонили лишь потому, что он слишком сложен и имеет большое количество переплетающихся связей, которые необходимо отследить. Внутри некоторых философских направлений историческая составляющая видна под определенным углом зрения. Нет основания принимать априорно, что уменьшение числа точек зрения до очень небольшого количества позволило бы установить суть дела. Наоборот, взгляд с одной лишь точки зрения неизбежно будет упрощенным, потеряет в познавательном содержании и сразу станет идеологическим. В случае философии математики последних двух столетий краткое историческое изложение представляется приблизительно следующим.

Девятнадцатый век предъявил математике драматическую проблему отделения от физического мира, необходимость рационального определения всех математических понятий и, прежде всего, континуума, открытие интриги аксиоматического метода и приключения бесконечности, порожденные Анализом и формальным представлением его функций. Здесь лежат корни логицизма и теории множеств, новой логики, программы Гильберта, дедуктивизма и структурализма. Из всех кризисов (иррациональности, бесконечно малые, ряды) математики всегда выходили, разрешая трудности при помощи новой математики. В данном случае произошло то же самое (алгебраические структуры, теория множеств, теория вычислимости), но в этом кризисе, который был преимущественно кризисом оснований, была приобретена также большая мудрость относительно самого способа существования математики со всеми достижениями, о которых говорилось и которые не должны рассматриваться обязательно приводящими к единообразному представлению математики. Иллюзии о существовании окончательных оснований математики были потеряны по дороге.

Возможно, математика не нуждается в основаниях или не подлежит обоснованию, но значительное развитие абстрактной математики конца девятнадцатого и начала двадцатого столетия (функциональные пространства, геометрические многообразия, топология) требовало систематизации или новой организации, которая не могла быть обеспечена теорией множеств, хотя она и принималась в качестве базисной теории.

Теория множеств предлагала удобный и адекватный язык, но там, где она показывала, каким образом любое математическое понятие, любая структура определяется на ее языке, она совершала акт редукционизма, что не соответствовало потребностям математиков. Они, увидев теоретико-множественные определения своих творений, не узнавали их более, как художник не узнает свои краски среди длин волн, которые обусловливают цвета.

Организация всего нового материала была выполнена Бурбаки к середине столетия. Согласованное изложение математики, осуществленное Бурбаки, было полезным, корректным, глубоким, но это было упорядочение сверху, некое унифицирующее объединение наиболее общих понятий и их сочленений в соответствующих разделах.

Такие чрезвычайно общие понятия не встречаются в построении снизу, в реальном развитии теорий и в их стандартных изложениях, например, для специалистов, занимающихся прикладными задачами. Объединение понятий, зарождающихся в различных разделах, в одно общее является неотъемлемой и важной частью развития математических теорий, но всеобщность должна быть пунктом назначения и не может быть пунктом отправления.

Совершенство бурбакистской конструкции усилило, однако, искушение работать над надстройками (или внутри) этого неестественно огромного, сочлененного и самодостаточного абстрактного построения, как если бы существовало только оно, а не реальный мир, как природный, так и человеческий.

От этого появилось несколько нереальное представление о математике, будто бы живущей в некоторой платоновской гиперурании. Оно на несколько десятилетий (почти для двух поколений) определило вектор исследований и преподавание математики на всех уровнях.

Платоновский мир – это, все же, не человеческий мир. В последнем история, которая развивалась в результате действий конкретных людей, приносила, между тем, новые открытия и новые виды деятельности (в то же время не отвергались и традиционные, к примеру, связанные с физическими исследованиями).

Исследования, которые стали возможны благодаря компьютерам (или были порождены ими), обеспечили расцвет математики проб и ошибок, предположений и экспериментов. Компьютеры возвратили вычисления также и в алгебру, где они были оставлены и где предпочтения были сделаны в пользу (необходимых и полезных) абстракций.

В тот же самый период под влиянием социальных перипетий рождались или укреплялись новые научные тематики и исследования, которые вовлекали математику или ускоряли развитие ее новых разделов (исследование операций, статистика или экономические приложения). Это происходило за счет импульса, приданного в том числе и ими (помимо воздействия со стороны компьютерных наук) комбинаторной математике с конечными величинами.

Философия математики отреагировала, перенеся математику из разума или из гиперурании в мир, но уже не в природный, а в человеческий. Конец столетия увидел появление ряда разнообразных тенденций, которые можно было бы назвать гуманитарными и которые имели бы в качестве общего знаменателя желание рассматривать математику как один из видов человеческой деятельности настолько, насколько подобная формула может что-то означать.

Было уже упомянуто предложение Уайлдера (Wilder) рассматривать математику как культурную систему. Понятиями, подходящими для изучения культурных систем, являются, к примеру, понятия напряжения, консолидации, давления внешней среды. Уайлдер сформулировал несколько законов эволюции, касающихся принятия новой концепции, ее закрепления, распространения или изоляции, роли проблем и решений, проявления нарушения непрерывности, феномена антиципаций и множественных открытий и многого другого, пытаясь охватить все аспекты важных явлений в истории математики.

Социальный конструктивизм Херша (и другие еще более нетерпимые теории) видит объективность (в том числе и законов природы) как интериоризацию навязанных обществом конвенций. Семиотика рассматривает математику как часть общей деятельности по созданию и использованию символов. Эмпиризм в качестве программного манифеста выдвигает подверженность ошибкам, временный характер и пересматриваемость всех знаний, приобретенных конечными существами, каковыми являются люди.

Все эти тенденции стремятся сгладить и свести к нулю специфичность математики как в культурных и социальных системах типа денежных систем или права, так и в практике индуктивного исследования. Для того чтобы проделать это, все вынуждены отрицать роль и само понятие доказательства, и они счастливы делать это. Объектам придается тот же самый статус, который имеют любые другие мысли, доказательствам – статус простых разговоров, болтовни или риторики. Почему тогда математика, отличающаяся от политики, не человечна?

Непонятно, что мешает увидеть то, что математика создана существами, которые несмотря на то, что они ограничены и подчинены условностям и правилам совместной жизни, в состоянии развивать интеллектуальную деятельность, предусматривающую элементы типа схем и patterns, которые показали себя полезными для познания мира и которые не являются ни материальными, ни запечатленными в материи, ни чистым социальным соглашением. К семейству этих формальных продуктов принадлежат доказательства, поскольку это лингвистические схемы отношений между схемами. Со времен Аристотеля известно, что люди могут узнавать и использовать лингвистические формы. Интересным с философской точки зрения является вопрос, как возможно, при нашем познавательном оснащении, не строить и продавать как эквивалентные математике запутанные постройки, откуда исчезли доказательства.

Без признания доказательств и, кроме того, в целом, универсального, вневременного, транскультурного характера математики вряд ли эти философии просуществуют долго (поскольку сиюминутная мода пройдет) или серьезно завладеют математиками. Надеемся в этом не быть плохими пророками. Единственное предсказание, которое можно сделать помимо предсказания, касающегося краха любых предсказаний, состоит в том, что никогда не стоит поддаваться периодически появляющемуся искушению считать, что наступил конец истории. Благоразумно, следовательно, надеяться, что какой-нибудь уже существующий активный фермент принесет последующим поколениям новые и неожиданные поводы для удивления и возможности философской работы.

четверг, 7 августа 2025 г.

Как получить правильный ответ в Интернете

 Закон Каннингема (Cunningham's Law) гласит, что «лучшим способом получить правильный ответ в Интернете будет не задавать вопрос, а разместить ложный ответ».

вторник, 5 августа 2025 г.

Применение ИИ - послепродажное обслуживание и выездное обслуживание

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.

пятница, 1 августа 2025 г.

Командные роли по Адизесу

Ицхак Адизес убежден, что для успеха бизнеса неоходимо, чтобы в команде "работали" 4 роли. Эти роли можно отобразить на следующей схеме.



Р - производитель результатов


Главный вопрос: Что я могу сделать?

Стремится к:
  • достижению цели, для которой создан проект;
  • удовлетворению насущных потребности клиентов.

Вопросы:
  • Кто мои клиенты?
  • Какие у них потребности?
  • Как организация может их удовлетворить?

Е - предприниматель


Главный вопрос: Зачем и когда я могу сделать/внедрить?

Стремится к:
  • Удовлетворению будущих потребностей клиентов.

Действия:
  • Планирование - что нужно сделать сегодня для завтрашнего.

Качества:
  • проактивность,
  • креативность,
  • готовность принять риск.

А - администратор


Главный вопрос: Как я могу сделать?

Стремится к:
  • Систематизации,
  • Планированию,
  • Организации процессов.

Создание и отслеживание:
  • Правил, регламентов, процедур.
  • Нужных действий в нужное время, в нужной последовательности и с нужной интенсивностью.

Качества:
  • линейное мышление
  • внимание к деталям
  • дисциплина

I - интегратор


Главный вопрос: кто?

Стремиться к:
  • Прекращению организации из механистической в органическую.

Действия:
  • Измение сознания, поведения, культуры, убеждений.

Цель:
  • Создание системы ценностей, объединяющией организацию с силой, превосходящей силу любого индивида.

Еще раз - 4 функции менеджмента


  • - P (provide ) удовлетворять потребности клиента. Продажи и финансы - краткосрочная функция.
  • - П предпринимательство, прогноз, уметь предугадывать ситуацию, предлагать идеи - долгосрочная функция. Сфера маркетинга.
  • - А - администрирование.
  • - И - интеграция - создание сотрудничества.
Диагностика дефицита определенной функции менеджмента.
  • Если фирма теряет долю рынка - не хватает Р.
  • Слишком низкая норма прибыли - не хватает А.
  • Фирма не выпускает новых продуктов, поздно выходит на рынок - не хватает П.
  • Кризис управления - не хватает И.
Очень грубая диагностика склонности менеджера к определенной функции.
Задавайте менеджеру вопросу в стиле: да? или нет?.
Менеджеры будут отвечать с определенным преобладанием утвердительных, отрицательных и неопределенных ответов. Но в среднем обозначенные типажи ведут себя следующим образом
  • Р: на да?-отвечают да, нет?-нет.
  • И: да? и нет? = может быть.
  • П: да? - пока да, но когда узнаю больше, может оказаться нет; нет? - пока нет, но если объяснишь, может да.
  • А: молчит, значит нет.

* * *

Любовь

И.Адизес в интервью ("Секрет фирмы", №46, 2008 г.) высказал мысль, что организация умирает, когда уходит дух предпринимательства. Но прежде этого, прежде исчезнования духа предпринимательства, у организации начинаются проблемы с интеграцией.





Кто такой интегратор? Это тот, кто смотрит, чем занимаются остальные три: предприниматель, администратор и продюссер (провайдер - в другой версии, а точнее - "фунциональный специалист").

Когда предприниматель перестает быть интегрированным в свой бизнес, это как раз и говорит о проблемах с интеграцией у организации. А уже следом будет потерян дух предпринимальства. Кстати, последним, по Адизесу, умирает администратор. Можно даже утверждать - почти всегда. Но администратор и организация могут существовать долго-долго.

И очень любопытное утверждение. А что есть интеграция, как не любовь? Любовь к работе. И далее, распротаняя эту мысль на человеческие и душевные отношения. Почему бы и нет, но как то не сентиментально и не эмоционально и слишком "технологично". Менеджмент любви вероятно убьет любовь. Но любовь менеджмента вероятно убьет душу.

* * *

На пороге управленческой революции. Ицхак Адизес.


Что ждет менеджмент в будущем.
  1. Конец авторитарного стиля управления. Один начальник уже не в состоянии оценить и управлять всеми рисками.
  2. Конец иерархии. Плоские или сетевые структуры, методология agile. Но для успешной реализации по прежнему нужна "диктатура воли".
  3. Ставка на командную работу.
  4. Акцент на организационную структуру, а не на стратегическое планирование. Мы все хуже предсказываем будущее.
  5. Фокус на молодом поколении. Им нужен смысл....
  6. Прозрачность данных.
  7. Потребность в консультантах.
  8. Здоровье компании. Гармоничная компания.
  9. Ценностный менеджмент.

* * *
С приходом нового тысячелетия все изменилось. Мы превзошли самих себя, ступили на территории за пределами человеческого понимания. Порой даже в обычном пространстве ландшафт оказывался настолько прихотлив, что наш рассудок просто не мог его охватить. Иногда сами координаты уходили в измерения, непредставимые для мозгов, приспособленных драться и спариваться в допотопной саванне. Слишком многое ограничивает нас со всех сторон. Самые устойчивые философские основы бескорыстия рушатся под натиском грубых эгоистических императивов спинного мозга. Изящные и стройные уравнения предсказывают поведение квантового мира, но не помогают его объяснить. За четыре тысячи лет мы даже не смогли доказать себе, что реальность существует вне наблюдателя.
Мы слишком нуждаемся в интеллекте, превосходящем наш собственный, но не очень хорошо умеем его создавать. Насильственное скрещивание разума и электронов оказывается удачным и провальным с одинаково впечатляющими результатами. Наши гибриды становятся похожими на гениальных аутистов. Мы насаживаем плоть на протезы, заставляем перегруженные моторные извилины жонглировать мускулами и механизмами, а когда пальцы подергиваются и язык заплетается, качаем головой. Компьютеры загружают своих отпрысков, множатся, обретают мудрость столь непредставимую, что их отчеты несут явную печать маразма – едва разумным тварям, оставшимся позади, они кажутся рассеянными и бессмысленными.
И, когда ваши собственные творения, что намного вас превосходят, находят нужные ответы, вы не в силах понять их выкладки и не можете проверить решения. Приходится принимать слова на веру.
Уоттс Питер. Ложная слепота.