بررسی جدید Deloitte نشان می دهد که استفاده از هوش مصنوعی سایه رونق می گیرد

از آنجایی که فشار برای انواع مختلف هوش مصنوعی از طریق امور مالی شرکت‌ها پیش می‌رود، استفاده از هوش مصنوعی در سطح کارمند ممکن است برای مدیران ارشد مالی آگاه به ریسک به همان اندازه مهم باشد.

بر اساس نظرسنجی جدید Deloitte از ۲۵۰۰۰ بزرگسال شاغل در بریتانیا در ۲۲ صنعت، از هر سه کارگری که از هوش مصنوعی مولد استفاده می‌کنند، یک نفر بدون اطلاع کارفرما این کار را انجام می‌دهد، عملی که به هوش مصنوعی سایه‌ای معروف است. این یافته تصویر بسیار مبهم‌تری از پذیرش هوش مصنوعی نسبت به مجوزهای نرم‌افزاری یا برنامه‌های آزمایشی تایید شده‌ای که برخی از مدیران ارشد مالی ارائه می‌دهند را نشان می‌دهد.

علاوه بر این یافته ها، تقریبا دو سوم (63٪) از افراد مورد بررسی گفتند که از هوش مصنوعی مولد استفاده کرده اند و نیمی از افرادی که از آن استفاده می کنند هیچ آموزشی از کارفرمای خود در مورد نحوه انجام این کار ندیده اند.

کارمندانی که مورد بررسی قرار گرفتند، گفتند که تا حد زیادی به موارد استفاده ساده، مانند نوشتن ایمیل و تهیه خلاصه، رضایت داده اند. اگرچه به طور سطحی این وظایف کم خطر هستند، کارفرمایان هنوز نمی‌دانند برخی از کارگران کدام ابزار را انتخاب کرده‌اند یا چه نوع کارکنان اطلاعاتی آن مدل‌ها را تغذیه می‌کنند. طبق این نظرسنجی، بسیاری از تیم ها هیچ دیدگاهی نسبت به اطلاعات شرکتی که وارد می شود یا اینکه خروجی به کجا ختم می شود، ندارند.

این استفاده پنهان، خواندن یک مورد سرمایه گذاری دشوار را سخت تر می کند. اگرچه تیم‌های مالی می‌توانند هزینه‌های مربوط به ابزارهای هوش مصنوعی پیاده‌سازی شده توسط خود سازمان را ردیابی کنند، اما نمی‌توانند به راحتی زمان صرفه‌جویی شده را از طریق ابزارهایی که نمی‌داند کارمندانش از آن استفاده می‌کنند اندازه‌گیری کنند. این، به ویژه در میان بحث در مورد یک منبع حقیقت واحد، مشکلات متعددی را برای مدیران مالی ایجاد می کند.

پذیرش هوش مصنوعی مولد در سطح سازمانی اغلب از طریق مجوزهای تایید شده و نرخ استفاده سنجیده می شود. با این حال، یافته‌های Deloitte نشان می‌دهد که این ارقام ممکن است سهم معناداری از فعالیت را از دست بدهند.

این باعث می‌شود تیم‌های مالی با مجموعه‌ای از داده‌های ناقص کار کنند تا اقدامات لازم را انجام دهند. استفاده کم از یک پلتفرم تایید شده می تواند مانند علاقه محدود به هوش مصنوعی یا عدم کارایی آن به نظر برسد، اما کارمندان ممکن است ابزار عمومی را که قبلا می شناسند ترجیح دهند. مجوز یا داده‌های استفاده‌ای که تصمیم‌گیری از آن گرفته می‌شود، آن فعالیت را در بر نمی‌گیرد.

علیرغم تأثیر بر مجموعه داده‌های تصمیم‌گیری، رهبری ممکن است دلیل زیادی برای ارائه به کارگران ارائه نکند. تنها 35 درصد از کاربران مولد هوش مصنوعی گفتند که رهبران آنها با درک خوبی از این فناوری صحبت می کنند.

این مثال دیگری از این است که چرا ارتباطات اجرایی و مهارت‌های نمایش دانش بسیار مهم هستند، زیرا سیاست نوشته شده توسط افرادی که به نظر می‌رسد با ابزارها ناآشنا هستند، بعید است که کاربران پنهان را به فضای باز بکشاند.

این گزارش توضیح نمی دهد که چگونه شرکت ها می توانند یک موجودی صادقانه قبل از انجام دور دیگری از خریدهای هوش مصنوعی ایجاد کنند. اما یافتن اینکه کارمندان در حال حاضر از چه ابزارهایی استفاده می کنند و چرا آنها را انتخاب کرده اند، مکان خوبی برای شروع خواهد بود. این پاسخ ها ممکن است مفیدتر از یک هدف دیگر پذیرش از بالا به پایین باشد.

این نظرسنجی همچنین بین استفاده از هوش مصنوعی و بهره وری قابل اندازه گیری فاصله می گذارد.

30 درصد از همه پاسخ دهندگان گفتند که هوش مصنوعی مولد حداقل مقداری زمان در هفته در آنها صرفه جویی می کند. اندکی بیشتر (31٪) از آن در محل کار استفاده کرده بودند و گزارش کردند که در زمان صرفه جویی نکرده بودند. فقط 7 درصد گفتند که این فناوری پنج ساعت یا بیشتر در هفته در آنها صرفه جویی می کند.

در اینجا شایان ذکر است که نتایج به شدت در صنعت متفاوت است. در زمینه اطلاعات و ارتباطات، 21 درصد از پاسخ دهندگان گزارش کردند که حداقل 5 ساعت در هفته پس انداز کرده اند. این رقم در بخش مراقبت های بهداشتی و مددکاری اجتماعی به 5 درصد کاهش یافت.

زمانی که تیم‌های رهبری تصمیم می‌گیرند که پروژه‌های هوش مصنوعی را در کجا تأمین مالی کنند، این تفاوت اهمیت دارد. اگر کارمندان از هوش مصنوعی زیر رادار استفاده می‌کنند، چگونه و چه زمانی می‌خواهند، یک دستور گسترده برای افزایش استفاده، چیز زیادی در مورد بازگشت نمی‌گوید. امور مالی باید ببیند که آیا یک ابزار زمان مورد نیاز برای یک فرآیند خاص را با اجرای نوع خاصی از ابزار برای آن فرآیند کاهش می دهد یا خیر. اگر کار هنوز نیاز به بررسی گسترده داشته باشد، افزایش بهره وری ممکن است به کندی انجام شود یا هرگز برای شروع وجود نداشته باشد.

آموزش و ایمنی روانی نیز بخش های اصلی این معادله است. اگر نیمی از کاربران هوش مصنوعی مولد بگویند که هیچ آموزشی ندیده‌اند، ممکن است شرکت‌ها این فناوری را بر اساس کارگرانی که در حال انجام آن هستند، قضاوت کنند. افراد با عملکرد بالا احتمالا موارد استفاده و بهره وری را خواهند یافت، اما دیگران بدون بهبود نتیجه، گام جدیدی به کار اضافه خواهند کرد.

در بریتانیا و احتمالا در ایالات متحده نیز، استفاده از هوش مصنوعی در حال حاضر در میان نیروی کار گسترش یافته است و بخش قابل توجهی از آن دور از چشم اتفاق می افتد. چگونه رهبران می توانند آن را برطرف کنند که هنوز در هوا وجود دارد.

کارگران می گویند تنها 35 درصد از زمان استفاده از هوش مصنوعی مولد است