Prediction Machines

Prediction Machines, Updated and Expanded: The Simple Economics of Artificial Intelligence – November 15, 2022 by Ajay Agrawal (Author), Joshua Gans (Author), Avi Goldfarb (Author)

Обычно книги про искусственный интеллект/дата-сайнс написаны для практиков, которые их разрабатывают. Еще встречаются книги для простых людей, в них описывается, что это такое и насколько это хорошо/плохо, в зависимости от позиции автора. Эта же книга написана для бизнеса, чтобы CEO лучше понимали, что такое ИИ, с чем его едят и как его готовят. В книге, кажется, нет упоминания ни про один метод ML/DL, зато есть про то, как его оседлать и кто и каким образом выиграет от его внедрения.

Авторы - экономисты и рассматривают ИИ с этой точки зрения. Они объясняют, что в бизнесе ИИ в первую очередь - машина для прогнозов. ИИ умеет прогнозировать. Он делает это быстро, точно и дешево. Поэтому цена на прогнозы будет падать, а по законам экономики, когда цена на один продукт падает, то растет ценность комплиментарных товаров.

Комплиментарные товары для прогнозов - это данные, способность принимать решения (judgement) и действия. С данными понятно и можно увидеть самому, как они дорожают: твиттер запретил API-доступ, реддит тоже ограничивает доступ и т.п. Под judgement авторы понимают способность оценить альтернативные сценарии и выбрать лучший (можно сказать это cost-benefit analysis из экономики).

Например, если я собираюсь идти на улицу и мне ИИ прогнозирует вероятность дождя 80%, то, чтобы решить брать ли зонтик, нужно оценить насколько я не хочу промокнуть и таскать зонтик или, наоборот, насколько готов промокнуть, но ходить налегке (сегодня я выбрал второй вариант, промок 2 раза и был недоволен моим judgement’ом).

Авторы еще пишут про то, что улучшение точности прогнозов снижает стоимость страховки. Носить с собой зонтик - это форма страховки от дождя (плата его вес), точные прогнозы про дождь и его силу - снижают необходимость постоянно его носить.

Ценность комплементарных товаров будет расти, а поэтому бизнесу нужно научиться выделять из бизнес-процессов элемент прогнозирования. И не обязательно, что этот элемент будет очевиден. Как пример, с ростом ИИ/ДС многие проблемы трансформировались из алгоритмических (“какие есть фичи у кота?”) в прогностические (“эта картинка содержит такие же фичи, как на картинках с другими котами?”). Процесс такой трансформации бизнес-процессов продолжится, прогнозируют авторы.

Пользуясь методологией авторов, можно предположить, в какую сторону будут трансформироваться бизнес-процессы в маркетинге под влиянием чатгпт. Удешевление генерации маркетингового контента увеличит ценность информации о потребителях. “Кто они? Что хотят? Что на них повлияет?” - т.е. увеличится ценность маркетинговых исследований, ресечеры об уже этом говорят, процесс начался до чатгпт и он усилится. Так же увеличится ценность людей занимающихся judgement, т.е. способных оценить результаты маркетинговых кампаний (через А/Б тестирования, например), т.к. маркетинговых коммуникаций будет больше и надо будет искать самые эффективные.

Некоторые из этих задач, конечно, так же можно будет заменить прогнозированием: “а как бы человек это оценил?”, а потому все будет сложнее и интереснее…😊