Когда искусственный интеллект неэффективен?

Казалось бы, прогнозы всегда строятся на данных, а их анализ компьютер должен проводить эффективнее человека. Но на самом деле есть сферы и ситуации, где применение ИИ для прогнозирования продаж нецелесообразно. В каких случаях это происходит?

— Если значительное влияние оказывают аспекты, не поддающиеся цифровизации

Речь, например, об индустрии моды. На текущем этапе своего развития ИИ вряд ли сможет спрогнозировать, какие тренды будут актуальны в новом сезоне и, соответственно, какие модели окажутся самыми успешными. Даже с анализом коллекций и вычленением модных тенденций у машины, скорее всего, возникнут проблемы, поскольку такую информацию трудно ввести в систему для анализа. Конечно, на помощь дизайнеру придут специальные программы, но именно его интуиция, знания и опыт позволят ему создать востребованную продукцию.

Однако в будущем, с увеличением цифровизации, искусственный интеллект, вероятно, сможет предсказывать даже модные течения. Например, если научить его прослеживать тенденции на глобальном уровне, анализировать посты в соцсетях от многочисленных инфлюенсеров или амбассадоров брендов. Уже сейчас есть технологии, определяющие по твитам силу бренда или, например, уровень счастья и удовлетворения жизнью среди населения. Такие программы анализируют эмоциональный окрас текста, семантику выражений и т. д. Однако ритейлу на текущем уровне развития они будут вряд ли полезны.

Сферы, связанные с торгами и переговорами, также тяжело поддаются прогнозированию с помощью ИИ. Дело в том, что окончательные решения здесь зависят от людей — о чем они договорятся, — и машина подобные вещи предсказывать не может. Даже у тендеров, где формально описаны четкие требования, не всегда бывает тот победитель, которого выбрал бы искусственный интеллект.

С другой стороны, если есть прозрачная и автоматизированная торговая площадка, где все сделки совершаются по строгим правилам, программа будет эффективнее человека. Она проанализирует все параметры и сделает оптимальный выбор. На данный момент в ритейл постепенно внедряются платформы, где торги ведут роботы-трейдеры. Однако пока уровень цифровизации в отрасли довольно низок, и поэтому прогнозирование практически полностью отдано людям.

— Если компания не систематизирует данные

Интуитивный подход хорош там, где нет исходных данных или они не систематизированы. Скажем, если речь идет о небольшой группе товарных позиций (скажем, о 10 SKU), велика вероятность, что менеджер будет держать информацию в голове или запишет, но так, чтобы было понятно ему, а не машине (то есть неструктурированно). В подобных случаях, конечно, прогнозы человека будут работать лучше.

Однако если взять, например, 100 SKU, то здесь компании уже могут прибегать к инструментам автоматизации — обычно в дополнение к экспертизе сотрудника. Какие именно процессы будут отданы машине, зависит от применяемых инструментов и от категории товаров. Например, для вина ИИ можно доверить прогнозирование спроса и расчета складских запасов, но окончательное решение по заказу, скорее всего, останется за людьми. Если же речь о стабильно продающемся, повседневном товаре (таком как молоке), искусственный интеллект способен не только просчитать потенциальный спрос, но и сам сделать заказ. 

— Если случилась внештатная ситуация или ЧП

Допустим, у компании может быть достаточно вариативная схема поставок: что-то заказывается в Китае, что-то — у местных производителей. Если на одном канале возникли сбои, требуется оперативно его заменить и найти другой вариант. В таких ситуациях человек, как правило, действует эффективнее, при этом программы могут проанализировать исходные данные и дать информацию для принятия решений.

Наглядный пример — начало 2020 года. Скажем, еще до объявления пандемии менеджер по продажам прочитал новости о коронавирусе и об опасениях мирового сообщества. Интуиция подсказала ему, что стоит перенаправить цепочки поставок в сторону местных производителей. Благодаря этому, на компании  минимально сказалось закрытие границ, строгие локдауны в других странах и пр.

Возможно, в будущем машины смогут работать с различными внештатными ситуациями, анализировать данные из самых разных сфер, чтобы предупреждать даже о таких событиях, как пандемия. Однако определенно, это будут сложные и дорогие алгоритмы, которые вряд ли будут доступны большинству ритейлеров.

В чем преимущества искусственного интеллекта?

Безусловно, ИИ лучше справится с рутинными операциями, для которых прописаны правила и есть четкие, систематизированные данные. Здесь искусственный интеллект показывает свои лучшие качества: быстродействие, анализ многочисленных источников информации, работа со сложными формулами. Кроме того, машина не подвержена так называемым человеческим факторам: она не устает, не теряет внимательность и концентрацию, ничего не забывает. Конечно, порой программа тоже ошибается, но у нее количество просчетов будет определенно меньшим.

Еще одно преимущество или, скорее, особенность программных продуктов — стабильность работы. Люди могут как выдавать поразительные результаты (в том числе благодаря интуитивному подходу), так и работать хуже обычного. Если мы говорим об интуиции опытных специалистов, то это явление сложно описать однозначно. Оно включает скрытые знания и опыт, понимание, как и что происходит и что может случиться в дальнейшем. Однако интуиция иногда срабатывает правильно, а иногда — не срабатывает вовсе.

Программные продукты отличает масштабируемость. Их можно запускать на разных компьютерах, для разных клиентов, и они будут давать стабильные результаты. В свою очередь, человеческий опыт, на котором в значительной степени основана интуиция, нельзя оцифровать или забрать от одного специалиста и перенести другому. Кстати, подобные разработки ведутся, например, в диагностике болезней: система учитывает истории пациентов, строит дерево решений и на их основе прогнозирует результаты для других случаев. Ритейлу, конечно, также было бы полезно иметь технологии, учитывающие опыт не предыдущих продаж, а людей, работавших в различных компаниях. Впрочем, даже если эти алгоритмы будут разработаны, сначала они будут слишком дорогостоящи для ритейла.

Почему не складывается сотрудничество человека и ИИ?

Наилучшая стратегия для компании — не выбирать между человеком и компьютерными алгоритмами, а использовать как интуицию, знания и навыки опытных специалистов, так и возможности искусственного интеллекта. Например, если мы говорим о запуске новых продуктов, компьютерная программа сможет отвечать за систему информационной поддержки. То есть на основе вводных данных будет давать различные варианты прогнозов, а уже персонал будет принимать окончательные решения. Однако порой люди выступают против внедрения новых инструментов и даже активно саботируют процесс.

Скажем, если менеджер долгое время занимался закупками, он считает себя экспертом в этой области и, с его точки зрения, он всегда все делал правильно. Руководитель магазина привык видеть определенные товары в определенном количестве. Он думает, что именно так все и должно быть. В подобных случаях переход к автоматизации, как и другие изменения, воспринимается крайне негативно. Более того, сотрудники могут задавать алгоритму такие параметры, чтобы он показывал их предыдущие результаты, даже если на самом деле они неэффективны.

В результате многие проекты по внедрению автоматизированных прогнозов проваливаются, из-за того что в конечном счете все превращается в расчет «по средним в Экселе». Чтобы этого избежать, при внедрении автоматизированных инструментов необходимо учитывать и потребности сотрудников. Например, оставить за ними право на «экспертность», на принятие собственных решений. Ну и конечно, некоторые просто не доверяют сложным системам, ведь зачастую совершенно непонятно, как именно были получены те или иные результаты.

Доля истины здесь есть. Перепроверить алгоритмы, например, нейросетей бывает весьма сложно. Например, если она плохо обучена или никогда не обучалась, то может делать совершенно случайные предположения. При этом убедиться в правильности прогнозов можно только на практике — то есть внедрив и посмотрев, сбылись они или нет. Фактически при машинном обучении у системы появляется интуиция — такая же, как у человека. И, так же как у человека, она может сработать неверно. Но у людей есть чувство здравого смысла, которым мы проверяем интуитивные предположения — есть ли шанс, что спрос действительно вырастет в 10 раз без очевидных предпосылок? У ИИ такого «стопора» нет, и он просто выдаст результат.

Поэтому в нашем проекте мы отказались от технологии машинного обучения — такая программа может выходить за пределы предметной области и предсказывать совершенно непонятные вещи. Машинное обучение хорошо работает там, где легко провести верификацию — например, распознавание лиц. Но в области неосязаемых вещей и будущего нет возможности сразу проверить адекватность решения. От прогнозирования с помощью машинного обучения мы перешли к имитационному моделированию, которое заведомо не может сделать критических ошибок. Оно опирается на предыдущий опыт продаж и моделирует будущее по понятным принципам и законам.

Впрочем, сейчас специалисты работают над тем, чтобы научить человека понимать и перепроверять нейронные сети. Так или иначе, в будущем технологии будут совершенствоваться, прогнозы ИИ будут точнее, он охватит новые сферы, и ему можно будет поручать больше операций и расчетов.