Эрик Бриньолфсон, Эндрю Макафи

••••

Получить доступ

Глава 1. Тройная революция

Эти параллели достаточно близки и очевидны, чтобы быть почти уверенным в том, что, как и в случае предыдущих промышленных революций, основное воздействие информационной революции на общество будущего все еще впереди.
Питер Друкер[1], 2001 г.

Компьютеры и го

Людям всегда было трудно научиться хорошо играть в го, а научить этому компьютер казалось и вовсе невозможным.

Игра го построена на чистой стратегии, в ней нет места везению[2]. Она была создана в Китае минимум 2500 лет назад[3]. Играют в нее два человека: один белыми камнями, другой черными, – по очереди выставляя их на пересечения линий решетки размером 19 × 19 (пунктов). Если группа камней или один камень лишаются всех точек свободы, то есть незанятых соседних пунктов по горизонтали и вертикали – а такое, как правило, происходит, когда они оказываются окружены камнями противоположного цвета, – то считаются захваченными и снимаются с доски. Побеждает[4] игрок, который захватил большую территорию.

Те, кому нравится стратегия, любят и го. Конфуций говорил, что «благородные мужи не должны тратить время на простые игры – они должны изучать го»[5]. Во многих кругах го ставят выше, чем шахматы – сложную стратегическую игру для двух человек, победа в которой не зависит от удачи. Гроссмейстер Эдуард Ласкер[6] заметил: «Тогда как вычурные правила шахмат могли быть созданы только людьми, правила го настолько элегантны, органичны и строго логичны, что иные разумные формы жизни, если они существуют где-то во Вселенной, почти наверняка играют в эту игру»[7].

Очевидная простота игры скрывает сложность, которую даже трудно осознать. Большая доска и широкий выбор мест, куда можно ставить камни, приводят к числу 2 × 10170 (к двойке со 170 нулями)[8] – столько в го позиций. Насколько велико это число? Вот вам очень приблизительный ориентир. Наблюдаемая Вселенная содержит примерно 1082 атомов[9]. Если бы каждый из них стал Вселенной размером с нашу, то число возможных позиций в го по-прежнему было бы больше, чем количество атомов во всех этих вселенных.

ИГРА, КОТОРУЮ НИКТО НЕ В СИЛАХ ОБЪЯСНИТЬ

Каким образом лучшие мастера го ориентируются в безумной сложности игры и делают хорошие ходы? Никто не знает, даже сами игроки. Они изучили некоторый набор эвристических приемов и стараются их придерживаться[10]. Но этим все и ограничивается – даже мастера часто затрудняются объяснить свою стратегию. Майкл Редмонд, один из немногих игроков неазиатского происхождения, достигших высшего ранга в игре, поясняет: «Я вижу ход и уверен в его правильности, но я не могу сказать вам точно, как я это узнаю. Я просто вижу»[11].

Дело не в том, что игроки в го косноязычны. Просто у всех нас нет полного доступа к собственным знаниям. Когда мы распознаем чье-то лицо или едем на велосипеде, мы не способны четко объяснить, как и почему делаем то или другое. Трудно изложить скрытое знание. Такое состояние прекрасно описал Майкл Полани[12]: «Мы знаем больше, чем способны рассказать».

Парадокс Полани, назовем его так, был серьезным препятствием для всех, кто попытался построить компьютер, играющий в го. Как написать программу, основанную на оптимальных стратегиях игры, когда никто из людей не в силах сформулировать стратегии? Можно запрограммировать некоторые эвристические правила, но это не обеспечит победу над сильными игроками, выходящими за их рамки, но не способными объяснить, как они это делают.

Чтобы ориентироваться в сложных средах, например во всех возможных позициях игры го, разработчики часто опираются на моделирование. Они пишут программы, которые делают ход, выглядящий хорошим, затем исследуют все разумные ответы противника на него, все разумные ответы на каждый такой ответ и так далее. В конечном счете обычно выбирается тот ход, что обеспечивает больше всего хороших вариантов и меньше всего плохих. Однако из-за того, что существует такое огромное количество возможных партий в го – так много вселенных, ими полных, – у вас получится смоделировать ничтожно малую их долю, будь у вас хоть цех, полный суперкомпьютеров.

Вследствие недоступности ключевых знаний и неэффективного моделирования прогресс у программистов, занимавшихся го, шел медленно. Давая характеристику нынешней ситуации с компьютерами, играющими в го, и ожидаемым перспективам, профессор философии Алан Левиновиц заключил в мае 2014 года в журнале Wired: «Может оказаться, что появление в течение десяти лет компьютера-чемпиона – слишком оптимистичный прогноз»[13]. Статья в Wall Street Journal, написанная в декабре 2015 года профессором психологии Крисом Чабрисом, ведущим в журнале колонку об играх, называлась «Почему го по-прежнему не дается компьютерам».

ПРЕОДОЛЕНИЕ ПАРАДОКСА ПОЛАНИ

В научной статье, опубликованной буквально в следующем номере Wall Street Journal (в январе 2016 года), рассказывалось о компьютере, который уже нельзя одурачить. Группа из лондонской компании DeepMind, принадлежащей Google и специализирующейся на машинном обучении (эту область искусственного интеллекта мы обсудим в главе 3), опубликовала статью «Освоение игры го с помощью нейронных сетей и поиска по дереву»[14], и престижный журнал Nature сделал ее темой номера. Статья описывала программу AlphaGo, которую создатели научили играть в го, обойдя парадокс Полани.

Они не пытались напичкать программу лучшими стратегиями и эвристическими правилами. Вместо этого они создали систему, самообучающуюся в ходе анализа игровых позиций во множестве партий. AlphaGo должна была замечать в большом количестве данных мельчайшие паттерны и связывать действия игроков, например постановку камня на конкретное место, с результатами, скажем с выигрышем[15].

Дав программе доступ к тридцати миллионам позиций, записанных в онлайновом хранилище, ей, по сути, сказали: «Используй их и выясни, как выигрывать». AlphaGo также сыграла множество партий против самой себя, сгенерировав еще 30 миллионов позиций, которые затем проанализировала. Во время игры система вела моделирование, однако весьма узкое: она использовала знания, полученные от изучения миллионов позиций, чтобы моделировать только те ходы, которые, по ее мнению, вели к победе с наибольшей вероятностью.

Работа над AlphaGo началась в 2014 году[16]. К октябрю 2015 года она была готова к тестированию. AlphaGo – какое-то время это держалось в тайне[17] – сыграла матч из пяти партий с Фань Хуэем, который тогда был чемпионом Европы, и выиграла со счетом 5:0.

Победа компьютера в го на таком высоком уровне, оказавшаяся для всех неожиданной, произвела впечатление на сообщество ученых и разработчиков в области искусственного интеллекта. Практически все аналитики и комментаторы назвали достижение AlphaGo настоящим прорывом. Однако начались споры о масштабе победы. Нейробиолог Гэри Маркус заметил: «В Европе го едва ли является спортом, и этот чемпион занимает в мировом рейтинге всего 633-е место. Победу робота над 633-м в рейтинге профессиональным теннисистом тоже назвали бы впечатляющим достижением, однако неверно было бы говорить, что он достиг мастерства в игре»[18].

Команда DeepMind, очевидно, сочла замечание справедливым, поскольку бросила вызов Ли Седолю, предложив сыграть матч из пяти партий в Сеуле в марте 2016 года. Многие считали Седоля лучшим игроком в го на планете[19] и одним из лучших, которых помнят современники. Его стиль характеризовали как «интуитивный, непредсказуемый, творческий, напряженный, неистовый, запутанный, глубокий, стремительный, спонтанный»[20]. Эти качества, по мнению самого Седоля, давали ему преимущество перед любым компьютером. Он говорил: «В игре го есть красота, и я не думаю, что машины ее понимают… Я считаю, что человеческая интуиция слишком совершенна, чтобы искусственный интеллект мог достичь чего-то подобного»[21]. Седоль предположил, что выиграет минимум четыре партии из пяти, заметив: «Что касается матча в октябре, мне кажется, что уровень AlphaGo не соответствует моему»[22].

Партии между Седолем и AlphaGo привлекли огромное внимание общественности в Корее и других странах Восточной Азии. AlphaGo выиграла первые три партии, обеспечив себе победу во всем матче. Седоль взял верх в четвертой встрече. Его победа дала кое-кому из наблюдателей надежду, что человеческий ум обнаружил недостатки цифрового противника, которые Седоль мог бы использовать в дальнейшем. Если это и было правдой, то все равно не помогло Седолю в следующей партии. AlphaGo снова выиграла, завершив матч со счетом 4:1 в свою пользу.

Седоль счел матч изматывающим и после поражения сказал: «Я ощущаю своего рода бессилие… У меня огромный опыт игры в го, но никогда не было случая, чтобы я чувствовал такой напор со стороны противника»[23].

Новые технологии обошли мастеров го.

Что случилось с активами?

В марте 2015 года специалист по стратегии Том Гудвин обратил внимание на некий общий принцип. Он написал: «Uber, крупнейшая в мире служба такси, не владеет автомобилями. Facebook, самая популярная социальная сеть, не создает контент. Alibaba, наиболее дорогостоящая торговая компания, не имеет собственных товарных запасов. Airbnb, самая большая онлайн-площадка для поиска съемного жилья, не владеет недвижимостью»[24].

Читатель-скептик может возразить, что некоторые из этих проектов не такие уж революционные, какими кажутся на первый взгляд. Например, многие таксомоторные компании не имеют собственных автомобилей. Они владеют лицензиями, что дает им право оказывать услуги в каком-либо городе, и предоставляют их владельцам и водителям транспортных средств. Аналогично многие крупные гостиничные компании на деле не владеют всеми заведениями, носящими их название, предпочитая вместо этого работать с владельцами недвижимости.

Во всех таких случаях компании имеют долгосрочные активы, такие как лицензии и договоры, важные для данной сферы и потому ценные. У Uber и Airbnb ничего такого нет. Uber не претендует ни на одно транспортное средство, ни на одну лицензию на услуги такси, а Airbnb не имеет долговременного договора ни с одним владельцем жилья. Тем не менее обе компании быстро привлекли миллионы клиентов, достигнув миллиардной рыночной стоимости. Подобный успех, по наблюдению Гудвина, становится все более примечательным. В то время, когда он писал свою заметку в колонку, свыше миллиона человек ежедневно пользовались Uber[25], чтобы попасть в нужное место в одном из 300 городов в 60 странах[26], а Airbnb предлагала 640 тысяч различных вариантов проживания[27] в 191 стране[28], начиная с юрты в Монголии[29] и заканчивая домом в Ирландии, где провел детство Джеймс Джойс[30].

Китайская компания Alibaba привнесла этот подход в сферу розничной торговли, где большой охват всегда означал обладание огромным количеством вещей. Например, компании Walmart к концу 2016 года принадлежало более 150 дистрибьюторских центров и шесть тысяч грузовых автомобилей, которые за год проезжали 700 миллионов миль, чтобы доставить товары на полки 4500 магазинов в Соединенных Штатах[31]. На 31 октября 2016 года на балансе компании числились разная собственность и оборудование на сумму 180 миллиардов долларов[32]. В то же время общая рыночная стоимость Walmart была меньше, чем стоимость Alibaba, которая в 2016 году обеспечила продажи на более чем 0,5 триллиона долларов.

Компания Alibaba, основанная в 1999 году школьным учителем Джеком Ма и его семнадцатью компаньонами, действовала как онлайн-посредник, соединяющий покупателей с продавцами. Наиболее популярными площадками были Taobao, где люди и мелкие фирмы продавали товары потребителям, и Tmall, где тем же самым занимались крупные компании. К концу 2016 года количество китайцев, ежемесячно использующих приложения Alibaba, превысило население США[33].

В 2009 году площадка Tmall начала продвигать День холостяков в Китае. Изначально это был праздник людей, не состоящих в браке; он появился в середине 1990-х в Нанкинском университете. Праздник отмечается в одиннадцатый день одиннадцатого месяца, поскольку в этой дате больше всего единиц, символизирующих одиночество. В первом Дне холостяков, организованном Tmall, приняло участие всего 27 предпринимателей, однако новый праздник быстро стал самым важным торговым событием в стране, поскольку в этот день люди делали покупки не только для себя, но и для интересных им персон. И к 11 ноября 2016 года площадки Alibaba обеспечили продажи на 17,8 миллиарда долларов[34] – втрое больше, чем американские «черная пятница» и «киберпонедельник», вместе взятые[35].

Возможно, из всех компаний, упомянутых Гудвином, самую необычную историю имеет Facebook. Появившаяся в комнате Марка Цукерберга в гарвардском общежитии, через одиннадцать лет она из социальной сети для нескольких элитных университетов США превратилась в глобальную систему для общения, социализации и обмена контентом, куда ежедневно заходят 936 миллионов человек[36]. Как заметил Гудвин, Facebook затягивает всех их и держит в среднем 50 минут в день[37], но сама не создает при этом никакой информации. Обновления статуса, комментарии, фотографии, видеоролики, ссылки и прочий пользовательский контент льется на людей все увеличивающимся потоком и заставляет их возвращаться снова и снова.

Предоставляя весь этот контент пользователям, Facebook показывает им рекламу, а иногда очень много рекламы. Доходы компании во втором квартале 2016 года, по сути, полностью полученные от рекламы, составили 6,4 миллиарда долларов, а прибыль равнялась двум миллиардам[38].

Новостные организации и прочие онлайн-системы, которые разрабатывают контент традиционными способами, тратя деньги на зарплаты, командировки и тому подобное, были встревожены не только тем, что Facebook расходовала меньше, но и тем, что в глазах рекламодателей эффективность объявлений в социальной сети оказалась выше. Facebook знала о своих участниках очень много, ведь они сами рассказали системе о себе через контент и действия, поэтому могла более прицельно доносить до них объявления.

Каждый рекламодатель, так или иначе, сталкивается с печальным явлением, которое хорошо характеризуют слова, часто приписываемые Джону Уэйнмейкеру[39]: «Половина денег, что я трачу на рекламу, пропадает впустую. Беда в том, что я не знаю, какая это половина»[40]. Реклама всегда считалась недостаточно сфокусированным средством воздействия, поскольку ее невозможно было показывать только тем людям, что откликнутся на нее с большой вероятностью. Facebook предложил рекламодателям такой уровень избирательности в воздействии на целевую аудиторию – причем воздействии постоянном, глобальном и в любом нужном масштабе, – до которого традиционным сетевым средствам было очень далеко.

ТОНКАЯ, БЫСТРО РАСПРОСТРАНИВШАЯСЯ ПРОСЛОЙКА

Гудвин назвал такие компании «неописуемо тонкой прослойкой»[41], он сказал: «Нет лучшего бизнеса, чем участие здесь». В силу своей тонкости, поскольку эти компании владеют главным образом приложениями и кодом, а не материальными активами и инфраструктурой, они могут быстро расти. Например, за двенадцать месяцев после выхода статьи Гудвина Airbnb удвоила количество ночей, заказываемых на сайте, и стала настолько популярной, что администрации некоторых городов, включая Париж, Барселону, Лиссабон, Берлин и Сан-Франциско, начали беспокоиться, не повлияет ли это плохо на исторические жилые кварталы. Рост компании был таким быстрым и устойчивым, что в июле 2016 года исследователь Том Сли написал в блоге на сайте Harvard Business Review, что «Airbnb столкнулась с жизненно важной проблемой расширения»[42], поскольку все больше городов и регионов начинали противостоять экспансии этой компании.

Uber также продолжает быстро расти, часто ввязываясь в конфликты и тестируя новые предложения. Ее сервис совместных поездок UberPool, появившийся в 2014 году[43], быстро стал популярным во многих городах, включая Нью-Йорк. В мае 2016 года компания объявила, что любая поездка в час пик на Манхэттене ниже 125-й улицы будет оцениваться по фиксированной ставке пять долларов[44], а в июле того же года специальное предложение позволило жителям города покупать четыре недели поездок за 79 долларов[45]. При такой стоимости для многих людей такси стало дешевле метро.

Facebook, уже бывшая огромной успешной компанией тогда, когда Гудвин написал о ней в марте 2015 года, продолжила расти и расширять свое влияние, и это сильно бьет по производителям традиционного контента, заставляя их вкладываться в инновации. В августе 2015 года компания Parse.ly, занимающаяся анализом интернет-трафика, выпустила отчет, где видно, что на отслеживаемые ею крупные новостные и информационные порталы через Facebook пришло больше людей, чем через Google и другие поисковики[46]. В марте 2016 года Марк Цукерберг обнародовал десятилетний план развития компании[47], который включал значительные инициативы в области искусственного интеллекта, виртуальной и дополненной реальности и даже самолетов на солнечной энергии (их будут использовать, чтобы открыть доступ в интернет миллионам людей, живущим далеко от телекоммуникационной инфраструктуры).

Как компаниям из этой «неописуемо тонкой прослойки» удалось добиться такого влияния и успеха?

По мнению Гудвина, «мы наблюдаем кое-что интересное»[48].

Гигант выходит к людям

С какой стороны ни взгляни, General Electric – одна из самых успешных компаний США. Ведущая свою историю от прославленного изобретателя Томаса Эдисона и его Edison Electric Light Company, в 1896 году General Electric стала одной из двенадцати компаний, включенных в первоначальный промышленный индекс Доу – Джонса[49]. И она единственная остается в этой группе до сегодняшнего дня. GE отметилась – иногда приходя, иногда уходя – во многих областях, включая выработку электроэнергии, аэрокосмическую и оборонную промышленность, производство пластмасс, здравоохранение и финансы, но в течение всей своей долгой истории она всегда разрабатывала товары для потребителей – от эдисоновских электрических лампочек до радио, телевизоров и бытовой техники.

General Electric одной из первых развернулась в огромную диверсифицированную глобальную корпорацию, добившись в этом превосходных результатов. Она много вкладывала в исследования и разработки, часто сотрудничая с университетами. GE также была одной из первых крупных компаний, которые потратили немало времени и усилий не только на продвижение технологий, но и на повышение квалификации менеджеров. В 1956 году General Electric создала первый специальный корпоративный университет в Кротонвилле, и название этого места стало синонимом профессионализации работы менеджера.

В XXI веке в Кротонвилле и в компании в целом появилась масштабная инициатива по расширению возможностей в маркетинге, предполагающих понимание и последующее удовлетворение потребностей клиентов во всех сферах бизнеса. Обзор 2013 года, посвященный усилиям General Electric в этой области, показал, что самой востребованной способностью компании было «внутреннее создание инноваций в маркетинге»[50].

Так почему же General Electric, чей годовой бюджет НИОКР составляет 5,2 миллиарда долларов[51], которая тратит 393 миллиона на маркетинг только в Соединенных Штатах[52], в 2015 году предпочитает работать через интернет с группой незнакомцев, помогающих придумать и разработать новый товар для потребителей? И почему компания с рыночной капитализацией в 280 миллиардов долларов и с 90 миллионами кассовой наличности просит потенциальных клиентов делать предварительные заказы на несколько сотен долларов задолго до появления товара?

КУБИКИ ЛЬДА И НЕМНОГО ЗДРАВОГО СМЫСЛА

В 2014 году General Electric и Луисвиллский университет запустили инициативу под названием FirstBuild – «основанное на совместном творчестве сообщество, которое влияет на появление товаров на рынке»[53]. Эта инициатива включает как онлайн-присутствие, так и что-то вроде маленькой фабрики, где есть инструменты и материалы для изготовления опытных образцов.

Алан Митчелл, инженер-проектировщик из General Electric Appliances в Луисвилле, решил использовать FirstBuild как экспериментальный стенд. Он заинтересовался, нельзя ли удовлетворить потребность многих людей в определенном сорте льда.

Обычно кубики льда – просто кусочки замороженной воды различного размера и формы. Но есть еще и жевательный лед, а это уже нечто другое. Его маленькие цилиндрические кусочки пористые и замороженные только наполовину. Такой лед способен впитывать ароматизаторы, а еще его можно жевать, и многим людям это нравится. Илан Брат в статье, опубликованной в Wall Street Journal в 2008 году, утверждал, что «жевательный лед разлетается как горячие пирожки»[54]. Сотрудники сети быстрого питания Sonic, где такой лед кладут в напитки, обнаружили, что многие клиенты хотят просто лед. Поэтому компания начала продавать кубики льда в любой таре – от чашек до пятикилограммовых пакетов.

Поскольку изготовить жевательный лед намного сложнее, чем просто заморозить воду[55], машины для их производства стоят несколько тысяч долларов, а это слишком дорого для большинства семей[56]. Алан Митчелл хотел увидеть, сможет ли сообщество FirstBuild спроектировать и сделать опытный образец машины для домашнего изготовления жевательного льда, и в 2015 году был объявлен онлайн-конкурс.

Победителем стал Исмаэль Рамос, дизайнер из Гвадалахары (Мексика); его проект Stone Cold представлял кубическую машину, хорошо подходящую для кухонных столов, со съемным прозрачным пластиковым ведерком для льда. Рамос получил премию в две тысячи долларов и один из первых рабочих экземпляров своего детища (еще два призера также получили денежные премии и машины для льда).

На экспериментальной фабрике FirstBuild начали изготавливать и дорабатывать опытные образцы машины для жевательного льда. Все это время сотрудники взаимодействовали и с сетевым сообществом, сформировавшимся вокруг проекта, интересуясь, как, по мнению пользователей, должно выглядеть съемное ведерко для льда, как определить, что оно наполнилось, нужен ли машине совок, и тому подобными вопросами.

НРАВИТСЯ? ТАК КУПИТЕ, ДАЖЕ ЕСЛИ ЭТОГО ПОКА НЕ СУЩЕСТВУЕТ!

Пока шла конструкторская работа, General Electric включилась в другую инициативу, возникшую на стыке маркетинга и исследований рынка. В июле 2015 года она запустила на сайте Indiegogo кампанию по сбору средств на разработку машины для льда под названием Opal. Indiegogo – платформа для привлечения общественного финансирования, или краудфандинга; создатели характеризуют ее как «стартовую площадку для креативных и предпринимательских идей любого типа и масштаба»[57]. Люди, которые обеспечивают финансовую поддержку этих идей, не инвесторы: они не получают за свои деньги долю в собственности либо процент от доходов или прибылей. Тем не менее жертвователям очень часто сулят какие-то выгоды. Например, если они субсидируют фильм, их пригласят на предварительный показ, а если они оплатили создаваемый товар, то могут оказаться среди первых получивших его. Собственно говоря, они заранее заказывают то, чего пока еще не существует и что, вероятно, никогда не появится без их содействия.

Сайт Indiegogo изначально предназначался для частных предпринимателей и мелких фирм, не имеющих доступа к финансированию для реализации своих идей, но к середине 2015 года крупные компании стали обращаться к нему, чтобы проверить спрос на потенциальные товары. В случае кампании с машиной для льда General Electric и FirstBuild просили жертвователей внести 399 долларов (позднее взнос увеличился до 499 долларов); целью было собрать 150 тысяч долларов. За несколько часов кампания привлекла вдвое больше средств[58], а через неделю сумма превысила 1,3 миллиона[59]. К моменту закрытия в конце августа 2015 года кампания собрала на Indiegogo более 2,7 миллиона долларов[60], попав в десятку самых популярных. В итоге, прежде чем поступить в широкую продажу, продукт в течение последних трех месяцев 2016 года сначала был отправлен более чем пяти тысячам клиентов, заказавших его заранее[61]. Компанию General Electric не особо интересовали деньги от предварительных заказов – ей очень нужно было изучить рынок.

General Electric обнаружила новый способ подключения к множеству умов, которым не надо платить за работу, а заодно исследовала рынок для нового продукта.

Машина. Платформа. Толпа

Три описанных примера – победа AlphaGo над лучшими игроками мира, успех компаний нового типа вроде Facebook и Airbnb, не обладающих традиционными активами, и использование GE мудрости толпы для помощи в проектировании и выводе на рынок продукта – иллюстрируют три масштабные тенденции, которые в корне меняют мир бизнеса.

Первая тенденция включает быстрорастущие и расширяющиеся возможности машин, что подтверждается неожиданным появлением нового лучшего игрока в мире – AlphaGo.

Вторая тенденция была выявлена в ходе наблюдений Гудвина за недавно возникшими крупными и влиятельными молодыми компаниями, которые мало напоминают прежних лидеров в своих областях и уже побеждают их. Такие выскочки – это платформы, и они – серьезный вызов традиционному бизнесу.

Третья тенденция, представленная нетрадиционным процессом разработки машины для льда Opal, – проявление толпы. Этим словом принято называть тот поразительный объем знаний, опыта и энтузиазма, что распределен по всему миру и доступен онлайн.

Потрясения и изменения в экономике, от взлета миллиардных стартапов Кремниевой долины до заката или реорганизации тяжеловесов из списка Fortune 500, могут выглядеть хаотичными и ничем не обусловленными. Однако явления, о которых мы говорим в книге – машины, платформы и толпа, – основаны на принципах экономики и других научных дисциплин. Применять эти принципы не всегда просто, однако в определенном смысле хаос становится путем к порядку, а сложность оборачивается простотой. Наша цель в книге – показать правильную точку зрения.

ПРЕДСТОЯЩАЯ РАБОТА: ТРИ ИЗМЕНЕНИЯ БАЛАНСА

Во всех компаниях и областях промышленности машине, платформе и толпе соответствуют противостоящие им и одновременно дополняющие их вещи. В случае машинного интеллекта это человеческий разум. Бухгалтеры с их ведомостями, инженеры с программным обеспечением для проектирования и рабочие у конвейера, похожие на роботов, – все это примеры совместной работы разума и машины.

Платформам соответствуют продукты – другими словами, товары и услуги. Поездка по городу – это продукт (услуга), в то время как Uber – платформа, которую люди используют для доступа к нему. То же самое верно для аренды жилья и Airbnb или для новостей и Facebook.

Толпе противостоит ядро – накопленные в компании и во всех связанных с ней коммерческих структурах знания, процессы, опыт и возможности. Ядро General Electric Appliances проектирует, производит и выводит на рынок холодильники и печи; ядро NASA строит космические корабли и пытается понять Вселенную; возможности ядра Microsoft включают разработку операционных систем и приложений.

Нет, мы не хотим сказать, что разум, продукты и ядро устарели или скоро устареют. Такое заявление было бы абсурдным. Напротив, мы раз за разом демонстрируем, что возможности человеческого разума, качественные товары и услуги и хорошо налаженные структуры организации по-прежнему важны для преуспевания бизнеса. Однако мы попытаемся убедить вас, что вследствие недавних изменений в технологиях компаниям пришла пора переосмыслить баланс между разумом и машинами, продуктами и платформами, ядром и толпой. В каждой паре за последние несколько лет второй, более современный элемент стал намного более эффективным, поэтому нужно взглянуть на него свежим взглядом. Понимание того, когда, где, как и почему машины, платформы и толпы приносят пользу, дает ключ к успеху в современной экономике. Цель книги – помочь вам разобраться в этих вещах, ведь понять их не просто важно, а жизненно важно.

Конец ознакомительного фрагмента.