Бина Венкатараман - Оптимизм, который убивает. Большое исследование человеческой опрометчивости

Доминирование Amazon на рынке беспокоит многих людей, которые считают, что здоровая конкуренция и усиление малого бизнеса были бы полезнее для потребителей и экономики в целом. Другие хвалят компанию за то, как она изменила сам процесс совершения покупок. Я согласна с некоторыми критическими замечаниями в отношении их практик и сама испытываю неловкость из-за собственной зависимости от сервиса, который использует так много упаковки. Но эти проблемы не мешают учиться на примере дальновидности Amazon – усваивать уроки, которые можно применить и к другим организациям.

Взрыв пузыря доткомов в конце 1990-х годов вернул многих инвесторов к реальности, где некоторые технологические компании, которые никогда не станут прибыльными, торговали по высоким ценам на основе чистой спекуляции. После кризиса Amazon пришлось выделиться среди них и убедить инвесторов, что за ними стоит нечто большее. Астрономический рост продаж – альтернативный показатель квартальной прибыли – помог Безосу до них достучаться.

Сегодня большинство корпоративных руководителей бережет доходы, а не вкладывается в будущее бизнеса. Безос делает противоположное. В разное время цены акций Amazon падали из-за бизнес-решений, что приводило к разочарованиям по поводу показателей в конкретном квартале. Сегодня многие ранние инвестиции начали откликаться высокой прибылью. В сентябре 2018 года Amazon стала второй публичной компанией после Apple, оцененной в 1 триллион долларов. Иронично, конечно, что именно эта компания поощряет своих клиентов совершать все больше и больше импульсивных покупок. Кажется, что дальновидное мышление, в которое Безос верит чуть ли не с религиозным рвением, не сильно им пропагандируется. Скорее оно остается частью его рабочей этики.

Пол Полман и Джефф Безос – исключения в западной культуре управления. Большинство руководителей не верят, что смогут успешно воплотить подобную стратегию. Или же не хотят рисковать и проигрывать.

Инвесторы, в свою очередь, также могут заменить квартальную прибыль альтернативными метриками для оценки долгосрочных перспектив компаний. По иным критериям они могут оценивать и собственный успех. Berkshire Hathaway использует в качестве ориентира скользящие пятилетние показатели индекса Standard & Poor’s вместо сверки годовых показателей с S&P, чтобы взглянуть на более долгосрочную перспективу. Но большинство инвесторов еще не принимают такую практику.

Джон Генри – американский народный герой – выбивал камни стальным молотом, используя лишь собственную физическую силу. В популярном рассказе Генри сталкивается лицом к лицу с молотом на паровой тяге, которым его хотят заменить. Джон принимает этот вызов. Наперегонки с машиной он выбивает путь, чтобы установить взрывчатку для строительства железнодорожного туннеля. Он превосходит паровой молот, превозмогая свое тело и волю, пока соперник не ломается. Однако часто люди забывают, что по легенде после своего подвига Джон Генри умирает от истощения. Гонка с машиной стоит ему жизни. Тем не менее, история почему-то все еще воспринимается как ода человеческой доблести.

Мне кажется ошибочным утверждение, что человеческая сила и дух всегда возьмут верх над машиной. Люди останутся не у дел, если будут цепляться за работу, которую машины делают эффективней и с меньшим риском.Лодочный мотор побеждает весло. Компьютер считает быстрее человека. Электрическая газонокосилка эффективней косы. Греблей на лодке или написанием письма нам лучше заниматься просто для удовольствия, а не из необходимости.

По мере того как мы собираем все больше и больше данных, а компьютеры становятся все более изощренными в их изучении, машины бросают нам вызов и превосходят наши возможности во многих сферах. В прошлом машины заменяли только физический труд. Но современные скачки в развитии искусственного интеллекта сделали из них конкурентов в тех задачах, которые обычно требуют человеческого осмысления. Беспилотные автомобили готовы заменить водителей грузовиков. Компьютеры уже могут превосходить юристов в сборе документов, относящихся к конкретному случаю, и рентгенологов при обнаружении опухолей с помощью МРТ.

Но одним из преимуществ Eagle Capital является то, что машины делать не умеют – по крайней мере, пока. С 1990-х годов многие инвесторы руководствовались компьютерными моделями. Сложная аналитика помогает разобраться в обширных хранилищах данных о прошлых транзакциях, текущих и прошлых ценах на акции, ценах на сырье и предстоящих доходах, чтобы выявить возможности покупки или продажи. По мнению Карри, этот подход к инвестированию встречается все чаще и переполняет фирмы, которые имеют доступ к одним и тем же данным и более или менее сносным инструментам машинного обучения и анализа данных.

– Мы имеем дело с материалом, с которым могут работать только люди, – сказал Бойкин Карри. – У нас не будет конкурентного преимущества, если у всех будет такой же алгоритм, который будет работать подобно нашим аналитикам.

Я считаю, что Eagle адаптируется к тому, как технология вытесняет человеческий талант. По крайней мере, трудно представить появление в ближайшие несколько лет машины, которая разделит склонность этих инвесторов вынюхивать и задавать раздражающие вопросы или их привычку смотреть за пределы набора данных с помощью обратных стресс-тестов.

Несколько лет назад я встретила Демиса Хассабиса, одного из ведущих в мире исследователей искусственного интеллекта, в родео-клубе в Монтане. Хассабис – невролог. Он изучал человеческую память в докторантуре в Англии, а затем основал фирму под названием DeepMind, которая стала дочерней компанией Google. Хассабис пытается заставить машины учиться лучше людей. О компании говорили в новостях в 2016 году, когда ее система искусственного интеллекта AlphaGo победила лучшего из ныне живущих игроков в тысячелетнюю китайскую настольную игру Go. Во время игры машина импровизировала, используя накопленные данные многих партий Go, чтобы построить новые ходы и выиграть. Этот успех показал, что компьютер может учиться на прошлом опыте и принимать интуитивные и творческие решения, а не просто следовать заданным людьми правилам.

Хассабис указывает на эту победу как на доказательство того, что искусственный интеллект превосходит ожидания исследователей. Но он считает, что машины еще не скоро научатся оценивать будущее.

Искусственный интеллект может сканировать и распознавать шаблоны в данных. Возможно, лучше, чем это делают люди. Компьютеры могут извлекать информацию из больших объемов данных, которые люди не смогут обработать за один раз – или даже за одну жизнь. Люди стремятся учиться на собственном опыте и опыте других. Хассабис видит, что роботы исполняют те роли в нашем обществе, где у них есть преимущество извлекать знания из больших баз данных и работать с ними. Например, в один прекрасный день машины смогут быстрее и лучше врачей диагностировать болезни за счет обработки диагнозов, поставленных миллионами врачей миллионам пациентов. Беспилотные автобусы однажды будут управляться компьютерами, обученными на сотнях миллионов ситуаций на дорогах. В инвестициях искусственный интеллект уже показывает свое превосходство над людьми в анализе больших объемов данных о краткосрочных сделках. Goldman Sachs уже автоматизировали торговлю акциями, заменив всех шестьсот людей-трейдеров (за исключением двух) компьютерами, поддерживаемыми инженерами.