Во всех рассмотренных выше случаях искусственный интеллект не только собирал и проверял данные – например, платформа inSTREAM постоянно обучается, поскольку направляет сотрудникам нестандартные вопросы и жалобы, а затем запоминает, каким образом они решают те или иные сложные вопросы. Подобный механизм обучения делает искусственный интеллект более гибким, подвижным и адаптивным.
Хотя приведение к единым стандартам позволяет значительно упростить работу с документами, от страны к стране или даже от компании к компании нормативы могут меняться. Представьте себе машину, которая не только сканирует полученные документы, но также распознает их по смыслу, вне зависимости техники оформления. В этом случае оборудование не просто оцифровывает данные – оно действительно читает и сортирует документы. Более того, машина работает с полученными данными, подобно человеку – она заносит информацию в различные базы и таблицы, где они надежно фиксируются для дальнейшей обработки или учета. Такое положение вещей кажется невероятным, однако именно к подобным результатам стремятся современные разработчики, многие из которых вполне успешны в своих изысканиях. Однако даже это далеко не предел возможностей машины.
Некоторые системы способны обучаться. На примере inSTREAM мы увидели, что искусственный интеллект может следить за работой человека, но это касается не только сферы обслуживания и коммуникаций – такой процесс обмена опытом возможен в любой сфере. Аналогичным образом действует Amelia – виртуальный помощник, призванный улучшить сервис банка Skandinaviska Enskilda Banken (SEB) из Швеции. Амелия принимает заказы, решает проблемы, взаимодействует с клиентами и при этом работает быстро, одновременно обрабатывая целый ряд звонков. Она не выходит за рамки этикета, сохраняет спокойствие, не повышает уровень стресса у клиентов. Отслеживая настроение клиента по его тону и набору слов, она может оказывать поддержку на самом высоком уровне. При этом в банке не отказываются от работы человека – Амелия учится у живых операторов, перенимая их навыки.
Гибкий подход может принимать разные формы. Например, компания Unilever, будучи одним из мировых лидеров производства повседневных товаров, ежедневно принимает тысячи заявок от соискателей, желающих получить рабочие места. На проведение собеседования с каждым соискателем могут потребоваться тысячи часов рабочего времени, и у отдела кадров нет подобных ресурсов. Кроме того, подобные методы выбора сотрудников непродуктивны, поскольку нередко на принятие окончательного решения влияют предрассудки, личные мотивы и эмоции.
Заручившись поддержкой специальной платформы HireVue, руководители компании смогли решить проблему решения кадровых вопросов. Теперь соискатели получают возможность пройти несколько интуитивных игр, позволяющих выявить особенности их характеров и уровень навыков. Далее платформа позволяет соискателям прислать собственные видеоинтервью. Полученные материалы анализируются – ответы, которые соискатели давали при прохождении игр, а также присланные видеозаписи подвергаются тщательному изучению. На основе полученных данных, в которых учитывается тон голоса, мимика, жестикуляция и даже интонации человека, программа выявляет самых предпочтительных соискателей, которых в дальнейшем и направляют на реальные собеседования. Роль специалиста по подбору кадров при этом сохраняет свою значимость – человек проводит обычные собеседования с каждым, кто прошел тестирование и был признан наиболее подходящим кандидатом. Ранее на одобрение заявки соискателя уходило до 4 месяцев, теперь этот срок сократился до 1 месяца. При этом отмечается, что круг специалистов значительно расширился, и штат компании пополнился самыми продуктивными и креативными сотрудниками.