شریک ارشد مک کینزی: چرا ساده ترین بردهای هوش مصنوعی، مدیران عامل را گمراه می کند

تفاوت بین 89 و 6 چیست؟

جدیدترین تحقیقات مک‌کینزی نشان می‌دهد که پذیرش در سال جاری به سختی تغییر کرده است: 88 درصد از سازمان‌ها از هوش مصنوعی حداقل در یک کار تجاری یک سال پیش استفاده می‌کردند، در مقابل 89 درصد اکنون. افراد با عملکرد بالا که حداقل 5 درصد از درآمد را قبل از بهره و مالیات به هوش مصنوعی نسبت می دهند و ارزش استفاده از آن را گزارش می کنند، در هر دو سال 6 درصد ثابت ماندند. پذیرش در حال گسترش است، با این حال بازدهی ها زیاد نمی شود. سی و هفت درصد گزارش می کنند که تأثیر مثبتی بر درآمد دارد، اما شکاف بین استفاده گسترده و سود قانونی در حال بسته شدن نیست.

رهبران باید انگیزه‌ها را همسو کنند، مدیریت تغییر را بهبود بخشند و پایه‌های داده‌های خود را تقویت کنند، اما شکاف ارزشی همچنان باقی است، زیرا مدیران برخی از واضح‌ترین موفقیت‌های هوش مصنوعی را با کتابی اشتباه می‌گیرند که می‌توانند در هر جایی از آن استفاده کنند.

نمونه هایی را که مدیران اغلب ذکر می کنند را در نظر بگیرید. مطالعه ای روی 5200 نماینده پشتیبانی مشتری نشان داد که کمک هوش مصنوعی مشکلات حل شده را در هر ساعت 15 درصد افزایش می دهد. کارآزمایی‌های تصادفی‌سازی‌شده با حدود 4900 توسعه‌دهنده نرم‌افزار نشان داد که افرادی که به آنها دستیار کدنویسی هوش مصنوعی داده شده بود، حدود 26 درصد وظایف بیشتری را انجام دادند. اینها دستاوردهای معناداری هستند. هیچ یک از این یافته ها ثابت نمی کند که افزودن هوش مصنوعی به هر فرآیند تجاری، درآمد شرکت را بهبود می بخشد.

مراکز تماس و تیم‌های نرم‌افزاری قبل از ورود مدل‌های هوش مصنوعی امروزی، مزایای مهمی داشتند. مراکز تماس ده‌ها سال را صرف سازماندهی حجم بالایی از کار در صف‌ها، ردیابی نتایج و ایجاد مجموعه‌ای از تعاملات گذشته کرده‌اند. تیم‌های نرم‌افزار روش‌های آزمایش، ادغام مداوم و بررسی کد را توسعه داده بودند که بازرسی و تصحیح کار جدید را ممکن می‌کرد.

هوش مصنوعی می تواند وارد این تنظیمات شود و سیستم موجود را سریعتر کند. که ارزش دارد. همچنین چالشی متفاوت از طراحی مجدد کاری است که هرگز حول یک نتیجه روشن یا راهی برای بررسی اینکه آیا به دست آمده است سازماندهی نشده است.

بانکی را در نظر بگیرید که از هوش مصنوعی برای خواندن اسناد وام های مشاغل کوچک استفاده می کند. بررسی سریعتر سند ممکن است دو روز صرفه جویی کند. اما اگر برنامه‌ای همچنان منتظر انتقال‌های جداگانه‌ای بین فروش، اعتبار، انطباق و عملیات باشد، ممکن است مشتری پیشرفت چندانی نداشته باشد. یک قدم اول سریعتر تاخیرها و خطاهایی را که بعدا ایجاد می شود برطرف نمی کند.

طراحی مجدد با تصمیمی که بانک باید بگیرد شروع می شود. برای تایید وام سالم چه مدارکی لازم است؟ چه کسی اختیار این تصمیم را دارد؟ کدام استثناها نیاز به بررسی تخصصی دارند؟ هوش مصنوعی می تواند به جمع آوری و بررسی شواهد کمک کند، در حالی که یک تیم نامگذاری شده مالک برنامه از ارسال تا تصمیم است. بانک زمان تصمیم گیری، نرخ خطا و وام هایی را که می تواند مسئولانه ارائه دهد، به جای شمارش تنها ساعت های ذخیره شده برای خواندن فایل ها، اندازه گیری می کند.

این تغییر مستلزم انتخاب هایی در مورد اختیارات، ریسک و کاری است که کارکنان با زمانی که دوباره به دست می آورند انجام دهند. نرم افزار نمی تواند این انتخاب ها را برای یک تیم رهبری انجام دهد.

من شاهد تکان دادن سر مدیران در تظاهرات هوش مصنوعی بدون اینکه بپرسم پس از پایان تظاهرات چه چیزی تغییر خواهد کرد، دیده ام. وقتی یک فرآیند از چندین تابع عبور می کند صاحب نتیجه چه کسی است؟ چه کسی می تواند یک دست انداز را حذف کند؟ چگونه کسی می داند که کار سریعتر نتیجه بهتری به همراه دارد؟ بدون پاسخ، یک خلبان امیدوار کننده می تواند خلبان باقی بماند.

کارمندان نیز متوجه این عدم اطمینان می شوند و می پرسند: "آیا من جایگزین خود را آموزش می دهم؟". اگر رهبری تنها وظایفی را که ممکن است هوش مصنوعی انجام دهد و نه کارهای بعدی که افراد انجام خواهند داد، توضیح داده باشد، مدیران نمی توانند اطمینان زیادی ارائه دهند. رهبران باید چشم انداز پشت این تغییر را صادقانه توضیح دهند، حتی زمانی که هنوز نمی توانند به هر سؤالی در مورد تأثیر آن بر نقش ها پاسخ دهند.

حرفه من، مشاوره مدیریت، مسئولیتی دارد. مشاوران اغلب با حذف ضایعات یک فرآیند موجود، سود خود را به دست می آورند. ما به آن بهینه سازی می گوییم. ما همچنین شروع به تجدید نظر در مورد هدف فرآیندهای سازمانی انباشته و مبادلات ارزشی کرده ایم.

تحقیقات مک کینزی که در ژوئیه منتشر شد، دلیلی برای پرسیدن دارد. در میان رهبرانی که در مراحل اولیه پذیرش هوش مصنوعی از سازمان‌ها گزارش می‌دادند، آنهایی که گردش کارشان بازطراحی شده بود، 5.3 برابر بیشتر از آنهایی که گردش کارشان گزارش نشده بود، ارزش شرکتی را گزارش کردند: 32 درصد در مقابل 6 درصد.

این یافته باید اولین سوالی که یک مدیر عامل درباره تحول هوش مصنوعی می پرسد را تغییر دهد. قبل از انتخاب یک ابزار، تصمیم بگیرید که شرکت به چه نتیجه ای نیاز دارد و کدام بخش از کار دیگر به آن خدمت نمی کند. مسئولیت فرآیند طراحی مجدد را به یک رهبر واگذار کنید، تعیین کنید که چگونه تصمیماتش بررسی می شود و تصمیم بگیرید که آیا ظرفیتی که آزاد می کند از رشد، خدمات بهتر یا هزینه کمتر حمایت می کند.

دستاوردها در مراکز تماس و کدگذاری واقعی هستند. اما آنها یک نقطه شروع هستند، نه الگویی که بتوان آن را در هر شرکتی انداخت. فرصت بزرگتر به رهبرانی تعلق دارد که مایل به تغییر کار پیرامون فناوری هستند.

نظرات بیان شده در نظرات Fortune.com صرفا نظرات نویسندگان آنها است و لزوما منعکس کننده نظرات و اعتقادات Fortune نیست.

این داستان در ابتدا در سایت Fortune.com منتشر شد