Андрей Шолохов
Бритва Оккама для портфелей проектов цифровой трансформации

За последние пару недель я познакомился с десятком внутренних документов различных компаний, где перечислены инновационные проекты в области цифровой трансформации, которые либо уже находятся в реализации, либо «вот-вот стартуют».

Неважно, что компания говорит в прессе или социальных сетях – объявляет ли себя лидером цифровой трансформации или благоразумно отмалчивается по этому поводу – к сожалению, качество «портфелей цифровых проектов» существенно не отличается.

Часто за основу компании берут набор популярных сегодня технологий, о которых часто ведётся разговор на деловых площадках. Среди них – искусственный интеллект, блокчейн, роботизация, интернет вещей, аддитивное производство, виртуальная и дополненная реальности, а в целом умное или цифровое всё. Каждая такая технология оборачивается в один или несколько проектов на площадках предприятия.

На данном этапе я обычно задаю вопрос, знают ли мои собеседники о том, что технологии, даже самые модные и современные могут конкурировать друг с другом.

Самый распространенный и экономически эффективный кейс применения «искусственного интеллекта», а точнее машинного обучения в России – это распознавание номерных знаков автомобилей на камерах контроля скоростного режима или камерах системы «Платон».

Надо понимать, что нейронные сети в современном мире используются не так, как многие ожидают, например, в качестве инструментов «прогнозной аналитики», а для ввода информации, которую ранее было довольно сложно обработать компьютеру напрямую: рукописный текст, аудио запись человеческого голоса, изображения в видеопотоке и так далее. И именно специально обученная нейронная сеть несет ответственность за «письма счастья» автолюбителям.

Но реализовать подобную систему можно было и иначе, например, в стиле «Большого брата» или фильма «Пятый элемент», когда каждый автомобиль оснащается чипом, который собирает информацию о нарушениях водителем ПДД и сообщает о них центральной системе с мгновенным наказанием – штрафом.

Получается, что две модные технологии (машинное обучение и интернет вещей) конкурируют между собой в способах доставки информации о нарушениях скоростного режима водителем! Естественно, была выбрана та технология, с помощью которой задача была решена с меньшими затратами и усилиями.

Но интернет вещей для данной задачи – это не единственная альтернатива. Например, можно было бы изменить стандарт номерных знаков, внеся в него элементы, легко распознаваемые стандартными системами машинного зрения, такие как метки RFID, штрих-коды, VuMark и тому подобные. Это бы избавило создателей системы от необходимости обучать нейронную сеть, но, очевидно, смена стандарта номерных выйдет гораздо дороже.

Известный научный методологический принцип «Бритва Оккама» известен по крайней мере со времен Аристотеля и звучит в кратком виде как: «Не следует множить сущее без необходимости». Практика действительно экономически успешных проектов цифровой трансформации показываем, что все они следовали именно этому принципу.
Вопросы для самоконтроля:

1. Есть ли в Вашей компании список проектов цифровой трансформации?

2. Если да, то по какому принципу он был составлен?

3. Были ли рассмотрены альтернативные варианты реализации обозначенных проектов, включая нецифровые?

4. Был ли сделан экономический и технологический расчет для реализации каждого альтернативного варианта?
Задать вопрос Андрею Шолохову, руководителю Центра цифровой трансформации Strategy Partners
Отправляя информацию, вы даете согласие на обработку персональных данных.