Семантическое понимание (часть 1/2)

Семантическое понимание (часть 1/2)

Следующий рубеж взаимодействия человека и компьютера

Артур Садун всегда имел репутацию смелого человека. Поэтому 1 июня 2017 года, когда он стал генеральным директором Publicis Groupe - одной из старейших и крупнейших в мире холдинговых компаний в области маркетинга, коммуникаций и цифровой трансформации, - он сформулировал смелое видение - переопределить эту отрасль с нуля. Он пообещал превратить Publicis из традиционной холдинговой компании, которая извлекала выгоду из коллективной деятельности индивидуальных агентств, в платформу, которая объединит разнообразные возможности его более чем 1800 компаний, чтобы обеспечить передовую работу его клиентам как единое целое. Он тщательно координировал свой исполнительный совет с самыми влиятельными людьми в области творчества, брендов, СМИ, маркетинга и цифрового консалтинга, которые верили в его видение. Как генеральный директор, его работа заключалась в том, чтобы сплотить каждого из них с этим видением - и это была моя работа - собрать звездную команду, чтобы помочь ускорить это видение.

У Артура была та же проблема, что и у каждого современного генерального директора в ведущих мировых компаниях - чем больше генеральный директор масштабирует организацию, он непреднамеренно создает разрозненность, неэффективность и дублирование, что приводит к врожденному отсутствию ясности во всей компании. Моя команда пришла к выводу, что это по своей сути «проблема с данными». Люди постоянно ограничены тем, что они знают или чего не знают. По-человечески невозможно каждый раз находить нужных людей для решения той или иной проблемы. Но с помощью волшебства небольшого машинного обучения и нашей способности количественно определять с помощью данных именно то, что происходит в организации, эта проблема потенциально может быть решена. Наше решение заключалось в создании для компании «платформы, подобной Alexa или Google Assistant», которая позволила бы кому угодно и где угодно получить ответы на «критически важные для бизнеса вопросы» менее чем за несколько секунд. Если ответ не был найден, платформа могла бы указать вам кого-нибудь, кто может знать ответ. Платформа, очевидно, будет учиться и расти за счет вовлечения пользователей и взаимодействия с течением времени. Мы поставили перед собой задачу демократизировать данные нашей организации и позволить людям использовать их так, как они считают нужным, создав по-настоящему взаимосвязанную организацию в ее основе.

Спустя шестьдесят дней после того, как Артур был генеральным директором, я стоял в длинной комнате с видом на реку Гудзон, проводя одну из самых ожидаемых презентаций перед исполнительным советом Publicis. Настал день утвердить новую стратегию будущего этой отрасли. В течение следующего часа мы узнаем, будет ли гипотеза моей команды одобрена советом директоров или нет. Примерно на пятидесятой минуте Найджел Ваз, генеральный директор Publicis Sapient, задал самый важный вопрос дня.

«Siri меня почти не понимает, и я не помню, когда использовал ее в последний раз. В чем же смысл интеллектуального помощника, основанного на естественном языке? »

Найджел не ошибался. Его опыт работы с Siri - это то, к чему мы все можем относиться. Хотя сегодня на рынке есть более качественные продукты (читай: Google Assistant), наше обоснование создания продукта, похожего на помощника, заключалось не только в взаимодействии на естественном языке; это была только часть причины.

Дизайнеры создают интерфейсы / пользовательский интерфейс, переводя потребности пользователей с помощью карт путешествий, потоков или раскадровок, и конструируют их в общие шаблоны пользовательского интерфейса, такие как поиск, новостная лента и т. Д. В случае простых задач легко разработать простой интерфейс для привлечения пользователя. Вход. Однако чем сложнее задача, тем больше времени потребуется пользователям для ввода информации - независимо от того, насколько элегантен и хорошо продуман интерфейс.

Вот пример
Допустим, пользователь ищет человека на такой платформе, как Email или Slack. В этом случае пользователь вводит имя человека, набирая его или произнося.

Теперь давайте усложним приведенный выше пример
Обычный сценарий, который моя команда слышала, когда мы разговаривали с людьми во время исследования, заключалась в том, как найти кого-то с определенным опытом / навыками для встречи с клиентом. В этом примере пользовательскому интерфейсу потребуется ряд входных данных - опыт, навыки, имя клиента, компания-заказчик, время и т. Д.

Из приведенных выше примеров мы узнаем три ключевых момента.

1. Кривая времени и сложности пользовательского интерфейса: по мере того, как сложность задачи / запроса увеличивается, традиционные шаблоны пользовательского интерфейса занимают больше времени и требуют от пользователя большего понимания во время ввода.
2. Взаимодействие на естественном языке. Традиционные модели ввода, ориентированные на ключевые слова, и модели навигации на основе кликов просто не масштабируются. Модели взаимодействия на основе естественного языка обеспечивают беспрепятственный сбор входных данных, заставляя машины выполнять всю тяжелую работу.
3. Растущая зрелость бизнеса: По мере развития и усложнения предприятий во всем мире разнообразие входных данных (запросов, которые необходимо обработать) увеличивается, что делает практически невозможным для дизайнеров разработать их. согласованный опыт для каждого варианта использования.

Цифровой интерфейс превратится из опыта, ориентированного на ключевые слова и клики, на взаимодействие с естественным языком. Но эта эволюция - лишь верхушка айсберга. Интернет, который мы знаем сегодня, представляет собой сеть связанных баз данных, которые позволяют хранить и извлекать данные. Благодаря достижениям в области технологий Интернет начнет развиваться и будет заполнен сетью машин, которые смогут понимать хранящийся на них контент. Эти машины (и агенты, представляющие людей и компании) будут иметь возможность выполнять конкретные или широкие задачи, взаимодействуя друг с другом, и облегчать транзакции человек-машина, машина-машина и человек-человек.

Технология Duplex от Google, которая может отлично справляться с конкретными задачами, является прекрасным примером будущего, которое уже наступило.

Google Ассистент заказывает столик в ресторане от имени человека.

Google Ассистент вместе с человеком делает заказ на аренду автомобиля.

Для фан-клуба Microsoft у нас есть новая демонстрация Кортаны на недавней конференции BUILD.

Учитывая, сколько времени мы проводим в зависимости от наших телефонов, это, безусловно, будет долгожданным опытом. Эта связная сетка - машины, интеллектуально взаимодействующие друг с другом, и агенты, выполняющие повседневные задачи от имени людей - проистекает из концепции семантической сети - концепции, введенной Тимом Бернерс-Ли еще в 2001 году. , дешевый доступ к облачным вычислениям и достижения в области машинного обучения и глубокого обучения создали идеальные условия для развития Интернета сегодня. Эта эволюция позволяет создать новый рубеж взаимодействия человека и компьютера, и именно здесь мы знакомимся с семантическим пониманием.

Семантическое понимание - это способность машины обрабатывать значение и контекст реальной информации.

Акцент здесь делается на слове «процесс», потому что, хотя компьютерные ученые создали системы (например, нейронные сети), смоделированные на основе человеческого мозга и нервной системы, мы далеки от воспроизведения глубины мозга. Бернерс-Ли сказал об этом лучше всего: «Компьютер на самом деле не« понимает »эту информацию, но теперь он может гораздо более эффективно манипулировать терминами способами, которые полезны и значимы для человека-пользователя». Для компьютера все, что, как мы думаем, он воспринимает, по-прежнему представляет собой кучу нулей и единиц; но, используя способность машины выводить данные с помощью шаблонов, мы косвенно рассказываем ей о мире. В свою очередь, мы позволяем ему «интерпретировать» значение и контекст информации, как это сделал бы человек. Идея встраивания информации реального мира в машину и предоставления ей возможности интерпретировать эту информацию так, как это сделал бы человек, называется семантическим пониманием.

Проектирование для семантического понимания - это новая форма технического колдовства, с которой способны справиться лишь несколько продуктовых команд по всему миру. Когда моя команда отправилась на путь переопределения Publicis как компании, мы не стремились «построить семантическое понимание внутри организации» в качестве решения. Мы начали с основной проблемы: на какие вопросы нам нужно было ответить, прежде чем мы смогли приступить к разработке интерфейса, который увеличил бы продолжительность рабочего дня сотрудников. Эти вопросы были выделены и названы «Критические вопросы для бизнеса».

Понимание того, откуда берутся «важные для бизнеса вопросы»

Критически важные для бизнеса вопросы: вопросы, на которые каждая компания или предприятие должно иметь возможность ответить, чтобы опередить своих конкурентов.

Как и для Артура, стратегическим приоритетом номер один для большинства руководителей в настоящее время является «Цифровая трансформация (DT)», определяемая как способность компании применять «цифровые технологии» для повышения эффективности, увеличения ценности для клиентов, и создавать новые возможности монетизации. Amazon и Apple являются отраслевыми эталонами, когда речь идет о применении цифровых технологий для ускорения и формирования каждого аспекта их бизнеса.

В 2018 году CEO потратил около 1,3 трлн долларов в различных отраслях, чтобы ускорить переход к цифровым технологиям. Тем не менее, 70% всех этих инициатив не достигли своих целей - это колоссальные потери в 900 миллиардов долларов. Есть две основные причины, по которым генеральные директора не могут оказать влияние на свои инвестиции в DT.

1. Неспособность принять новые бизнес-модели. Преимущество таких компаний, как Amazon и Stitch Fix, перед такими компаниями, как Kroger и Macy’s, заключается в возможности создать бизнес, ориентированный на цифровые технологии, без багажа прошлого. Большинство генеральных директоров склонны «перестраховаться», когда дело доходит до полного принятия новых бизнес-моделей, присущих миру цифровых технологий. Они предпочитают инвестировать в инициативы, использующие цифровые технологии только в качестве дополнительного дополнения к их существующей стратегии.
2. Плохо определенная ценность для пользователей. Руководители обычно привлекают внешних консультантов с отточенными «стратегическими колодами», наполненными уже разработанными решениями для компании. Консультанты, которые разрабатывают решения без плана эффективного управления изменениями, направляют людей в путешествие в новый мировой порядок, часто не обращают внимания на личные внутренние знания; или позволяя решениям быть информированными реальными людьми, которые являются ключом к успеху и внедрению инициативы.

Когда мы начали разрабатывать «критически важные для бизнеса вопросы», на которые должна была ответить платформа, мы начали с ориентировки на людей. Мы пригласили людей из нескольких отделов, которые досконально знали текущие процессы, чтобы понять свои болевые точки и неудовлетворенные потребности в компании. Понимание текущего состояния невероятно важно для создания глубоких знаний и сочувствия в команде дизайнеров. Однако, если потенциальные решения проектной группы касаются только текущего состояния, они упускают возможность создать 10-кратную ценность. Слушать людей - это только часть головоломки. Чтобы разработать что-то действительно трансформирующее, радикально изменившее бизнес-модель компании, команде необходимо выйти за рамки обычного ведения бизнеса. Мы использовали «технику волшебной палочки», чтобы щелкнуть выключателем в наших разговорах с нашими людьми, и сознательно вытащили их из всего, что они ненавидят в своей работе сегодня. Мы позволяем им создавать для себя мир без каких-либо ограничений, позволяя им создавать все, что, по их мнению, сделало бы их работу невероятно легкой. Затем последовал вопрос: «Почему?» достаточно раз, пока мы не сможем точно определить намерение и прийти к основной проблеме. Благодаря этому упражнению вы сможете увидеть некоторые довольно радикальные идеи. Однако сами по себе идеи здесь не важны; именно беседы позволили дизайнерам и инженерам в команде понять, что люди в компании считают в 10 раз действительно революционными. Обоснование и понимание людей, которые являются ключом к принятию любого будущего решения, а также точка зрения, которую они используют для обоснования того, что привело к этим решениям, были идеями, которые помогли сформировать функции в нашей дорожной карте продукта.

Команда разработчиков количественно оценила наши идеи по двум ключевым векторам.

• Предоставляет ли набор функций ценность для пользователей и облегчает ли жизнь нашим людям?
• Позволяет ли набор функций трансформировать бизнес-модель компании нам обойти конкуренцию в масштабах всего предприятия?

Базовые баллы для каждой функции также были взвешены с учетом таких модификаторов риска, как:

• Достаточно ли у нас данных? Если нет, можно ли легко получить данные для поддержки разработки функции?
• Относительно легко ли реализовать новый процесс с точки зрения управления изменениями и организационного дизайна?
• Есть ли у нас прочная основа в нашей технологической инфраструктуре для поддержки создания этой функции? Или потенциальное приобретение технологий сделало бы создание этой функции относительно простым?
• Определение потенциального увеличения дохода за счет предоставления каждой функции

Команде также приходилось уделять пристальное внимание точности каждой функции. Мы должны были обдумать, что начинать с малого и наращивать сложность по ходу дела. Например, в первый день мы планировали найти людей на основе всего нескольких структурированных параметров, таких как навыки, местоположение, интересы и бренды. Затем мы разработали планы по сбору более структурированных данных, позволяющих масштабировать эту функцию по более сложным параметрам, таким как опыт работы, история клиентов, подключения к LinkedIn и т. Д. Безжалостное отношение к фокусу, начало с малого и повторение по ходу работы было философией, которую мы одобрили. для создания интеллекта во всей организации с помощью данных.

В итоге команда разработала более 100 идей функций, которые были синтезированы и распределены по четырем основным компонентам платформы, которые, по нашему мнению, являются «элементами работы» для любой современной организации, основанной на данных.

Вселенная навыков семантического понимания

То, что началось с видения два года назад, теперь является растущим продуктом со сложной базовой архитектурой платформы, позволяющей это сделать. Наша обширная многолетняя дорожная карта по развитию семантического понимания внутри организации основана на двух ключевых факторах:

• навыки (или функции), которые позволяют отвечать на критически важные для бизнеса вопросы, повышающие ценность для пользователей.
• лежащие в основе данные интеллекта, которые необходимо получить, чтобы помочь нам радикально трансформироваться как организацию

Чтобы измерить рост по обоим этим факторам, мы создали панель управления Skills Universe. Эта информационная панель позволяет нам количественно оценить трансформацию организации, обеспечивая измерение обоих факторов, способствующих разработке продукта. Он делает это, предоставляя аналитику пробелов в данных, которые могут быть у нас по навыкам, которые в настоящее время используются нашими людьми. Мы можем динамически отслеживать прогресс по отношению к этапам разработки продукта и видеть, как у нас дела с доставкой продукта.

Вселенная навыков выступает в качестве основы для нашего видения построения семантического понимания внутри организации. Поскольку платформа и продукт становятся умнее с каждым днем, а ожидания наших сотрудников растут, этот непрерывный процесс измерения способствует развитию платформы. Несмотря на то, что мы начинаем с малого и приносим пользу в определенных областях, мы начинаем видеть радикальные изменения в способах функционирования организации. Самое главное, как люди меняют свое мышление и принимают новые способы работы в своей повседневной жизни. Этот сдвиг можно объяснить тем, что наши люди начинают опираться на платформу для решения повседневных задач (бронирование встреч, поиск документов и т. идеи, определение новых возможностей для работы и т. д.). Все это примеры вещей, на выполнение которых раньше либо требовалось невероятное количество времени за счет сочетания ручных задач и сложных инструментов, либо вещей, которые раньше были просто невозможны. Это видение не является полным для Publicis; это начало пути к определению того, как современные организации функционируют на основе данных. Чем больше мы начнем использовать данные, создаваемые в организации, и построим машины и агенты, чтобы понять их, тем больше мы сможем демократизировать понимание, создаваемое для наших сотрудников. Развитие интеллекта с помощью семантического понимания внутри организации позволяет нашим машинам воспринимать окружающий мир и быстро доставлять актуальную и контекстную информацию для наших сотрудников. Этот радикальный сдвиг в использовании цифровых продуктов, который мы начинаем видеть, является причиной того, что семантическое понимание является следующим этапом взаимодействия человека и компьютера.

В следующей части мы рассмотрим, как проектировать и создавать машины, которые могут обрабатывать реальную информацию, как это сделал бы человек.

👏 ❤️ 🎉

Поделиться любовью!