Впервые я заинтересовался ИИ ещё в начале 2000-х и даже выиграл юниорский конкурс с проектом, посвящённым распознаванию рукописного текста OCR (оптическому распознаванию символов). Примечательно, что уже в 2000 году у нас были почти все ключевые алгоритмы, которые используются и сегодня. Чего тогда ещё не хватало — это достаточных вычислительных ресурсов…
Со временем мои интересы сместились в сторону измерения эффективности, а затем — к более широкой области реализации стратегии. Сегодня, когда LLM доминируют в новостной повестке, мы редко возвращаемся к основам.
Что именно делает обучение в нейронных сетях возможным?
В основе современного ИИ лежат несколько простых математических принципов. И я вижу явные параллели в том, как эти же принципы могут и должны использоваться организациями при реализации своих стратегий.
Что делает возможным обучение ИИ
Одной из математических основ нейронных сетей является правило цепочки в математическом анализе, применяемое к композициям функций. Нейронные сети — это многослойные системы, построенные из множества простых дифференцируемых операций. Правило цепочки позволяет вычислять градиенты через всю композицию. Именно это делает возможным обучение в масштабах.
- Во время прямого прохода нейронная сеть формирует выход, который изначально является неверным.
- Используя размеченные данные и функцию потерь, можно измерить, насколько результат отклоняется от желаемого исхода.
- Поскольку все внутренние операции дифференцируемы, можно вычислить локальные производные для каждого преобразования.
- Применяя правило цепочки, эти локальные производные объединяются в градиенты функции потерь по отношению к каждому параметру модели.
Система не просто фиксирует факт возникновения ошибки. Она определяет, как каждый отдельный параметр внес вклад в эту ошибку и в каком направлении его изменение сдвинет результат.
Исполняйте стратегию как систему организационного обучения
Та же проблема существует в организациях…
Хорошая реализация стратегии — это структурированная система целей, подцелей, инициатив и показателей эффективности.
В ходе исполнения организациям необходимо как можно раньше выявлять отклонения от намеченного курса. Именно поэтому существуют показатели эффективности. Они дают первый сигнал о том, что реальность начинает расходиться с предположениями.
Но:
Осознание того, что «что-то пошло не так», само по себе почти бесполезно…
Исполнение улучшается только тогда, когда организация может увидеть, какие элементы системы требуют корректировки и как эти корректировки, вероятнее всего, повлияют на результаты.
В нейронных сетях это обеспечивается математически правилом цепочки. В реализации стратегии это становится возможным только тогда, когда стратегия правильно декомпозирована, имеет связь с ожиданиями заинтересованных сторон и переведена из расплывчатых стремлений в несколько уровней конкретных, причинно связанных целей и индикаторов.
Реализуйте правильно внедрённую стратегию
В этом смысле эффективное исполнение стратегии начинает напоминать хорошо спроектированную нейронную сеть.
Когда возникают отклонения, организация может быстро учиться — не только тому, что эффективность ниже ожидаемой, но и тому, какие инициативы, процессы, возможности или допущения следует скорректировать, чтобы приблизиться к ожиданиям заинтересованных сторон.
Когда стратегия сформулирована плохо (абстрактные цели, отсутствие причинно-следственных связей, отсутствие значимых индикаторов), организация оказывается в той же ситуации, что и модель без пригодных для использования градиентов. Она видит, что результаты плохие, но у неё нет надёжного способа решить, что именно нужно изменить.
И в нейронных сетях, и в организациях обучение становится возможным только тогда, когда система построена из взаимосвязанных компонентов, через которые может распространяться обратная связь.
Когда есть:
- Структура,
- Локальная ответственность и
- Измеримые драйверы
… становится возможным непрерывное улучшение. Без этого у организаций остаётся немного больше, чем сигналы успеха/неудачи, и отсутствует механизм понимания того, как улучшаться.
Итак, мы наконец знаем, куда уходят расходы на Маркетинг?
Короткий ответ: «нет» (и нейронные сети тоже не знают).
В ИИ мы не можем указать на один-единственный нейрон и сказать: «это вызвало результат». Обучение всё же возможно, потому что система устроена так, что обратная связь проходит через множество связанных частей и постепенно изменяет их.
Сказать «Маркетинг работает» — это похоже на фразу «модель улучшилась». Это показывает направление, но не говорит, что именно нужно изменить дальше.
Полезным становится видеть закономерности внутри системы.
Например: выручка может оставаться на прежнем уровне, в то время как трафик растёт, вовлечённость в контент улучшается и создаётся больше лидов, но конверсия в победу по сделкам падает, а сделки закрываются дольше.
С аналитической точки зрения это уже не простое «успех/провал». Это картина сигналов, показывающая, что одни части системы улучшаются, в то время как другие не имеют связи друг с другом.
Система не определяет одну «виноватую» кампанию. Она указывает, где требуется корректировка.
Вот как выглядит обучение, когда оно работает.
Возможно, оно не скажет вам точно, куда ушёл каждый доллар, но скажет нечто гораздо более ценное: куда организации следует двигаться дальше.
Известные недостатки: поиск локального минимума
Подобно нейронным сетям, с известным ограничением, заключающимся в поиске локального минимума вместо глобального, организациям не следует доверять своим системам измерения на 100%.
Исполнение стратегии — это непрерывный процесс проверки гипотез на практике. Иногда мы проверяем гипотезы низкого уровня, и всё выглядит логично. Иногда мы поднимаемся вверх по дереву декомпозиции и в итоге ставим под сомнение наше понимание заинтересованных сторон и их потребностей.
Alexis Savkin — архитектор стратегии и основатель BSC Designer, платформы программы для исполнения стратегии, в основе которой лежит Сбалансированная система показателей. Он помогает организациям переводить стратегию в измеримые цели, KPI и инициативы. Alexis является создателем Strategy Execution Canvas, автором более 100 статей о стратегии и измерении эффективности, а также постоянным спикером.