شمارش عوامل امتیاز اشتباه است: سوالات بهتر برای رهبران شرکت

از اتاقی از مدیران در مورد هوش مصنوعی عاملی بپرسید و در عرض حدود نود ثانیه کسی می‌پرسد که چه تعداد نماینده باید اجرا کنند. این به معیار پیش‌فرض پیشرفت تبدیل شده است: عددی که می‌توانید در یک اسلاید قرار دهید، در مقابل رقیب معیار قرار دهید، و به بالا گزارش دهید.

همچنین سوال اشتباهی است.

در بیش از 200 کارگاهی که تیمم و من با شرکت‌هایی در اروپا و خاورمیانه راه‌اندازی کرده‌ایم، سازمان‌هایی که ارزش واقعی را از ابزارهای هوش مصنوعی دریافت می‌کنند، سازمان‌هایی نیستند که طولانی‌ترین موجودی عامل را دارند. آنها کسانی هستند که برای شروع هرگز مشکل را به این شکل مطرح نکردند. آنها با شناسایی یک مشکل تجاری یا نقطه اصطکاک شروع کردند و به عقب کار کردند. همه افراد دیگر از فناوری شروع کردند و به دنبال جایی برای قرار دادن آن رفتند.

چهار سؤال وجود دارد که من دائما می شنوم که شرکت های خوب را بی سر و صدا به سمت خلبان برزخ هدایت می کند. اینجا هستند، و در عوض چیزی که می خواهم بپرسم اینجاست.

نپرس چند نماینده بپرسید که در حال بهبود چه نتیجه ای هستید.

بیشتر دو سال اخیر هوش مصنوعی سازمانی در مورد کمک به مردم برای کار سریعتر بوده است. خلبان هایی که به سوالات پاسخ می دهند، دستیارانی که جلسه ای را که اخیرا در آن نشسته اید خلاصه می کنند، ابزارهایی که شما را از صفحه خالی عبور می دهند. اینها واقعا مفید هستند و من همه را تشویق می کنم آنها را روشن کنند.

اما سرعت با مقدار یکسان نیست و تعداد نماینده با هیچکدام یکسان نیست. هیچ شرکتی هرگز با انباشت عوامل ارزش ایجاد نکرد. ارزش در نتایج واقعی کسب و کار مانند خطاهای کمتر حقوق و دستمزد، زمان‌بندی سریع‌تر شیفت، هزینه‌های کمتر تامین‌کننده، نرخ برنده بهتر، وجه نقد زودتر جمع‌آوری می‌شود، نشان داده می‌شود.

این تفاوت بین یک عامل و یک برنامه کاربردی است. یک نماینده در انجام یک کار فردی کمک می کند. یک برنامه کاربردی نمایندگی، تیم هایی از نمایندگان تخصصی را برای ارائه یک نتیجه تجاری هماهنگ می کند. اگر نمی توانید KPI را نام ببرید که عاملی در حال حرکت است، مورد استفاده ندارید. شما یک نسخه نمایشی دارید.

نپرسید که آیا هوش مصنوعی می تواند توصیه کند یا خیر. بپرسید که آیا می تواند کار را تمام کند یا خیر.

دائمی ترین سردرگمی که من با آن مواجه می شوم بین نصیحت و اعدام است. بسیاری از سیستم‌ها اکنون می‌توانند موقعیتی را حس کنند، الگو را تشخیص دهند و به شما بگویند که در آینده چه اتفاقی باید بیفتد. این پیشرفت واقعی است. همچنین تقریبا تمام کارها را دقیقا در همان جایی که بود رها می کند.

منبع یابی کنید یک دستیار می‌تواند نشان دهد که یک دسته برای مذاکره مجدد به تاخیر افتاده است و به شما پیشنهاد می‌کند رویدادی را اجرا کنید. هنوز کسی باید آن رویداد را ایجاد کند، پاسخ ها را تعقیب کند، آنها را بر اساس معیارهای تجاری امتیاز دهد، تأییدیه ها را به درستی مسیریابی کند، قرارداد را به روز کند و همه چیز را به پایان برساند.

یک برنامه کاربردی این کار را تحت خط مشی، با نظارت و تأیید انسانی در صورت نیاز، و با سابقه کاری و چرایی انجام می دهد.

تست ساده است. در پایان تعامل، آیا این روند بیشتر جلوتر است یا فقط یک انسان آگاه دارید که در همان صف قرار دارد؟

نپرسید کدام مدل در صدر جدول امتیازات است. بپرسید که آیا کسب و کار شما را درک می کند یا خیر.

امتیازات بنچمارک بر مکالمات هوش مصنوعی تسلط دارند و در شرکت بسیار کمتر از آنچه که اکثر رهبران تصور می کنند اهمیت دارند. هوشمندی مدل خام به ندرت محدودیت الزام آور است.

یک مدل مرزی تدارکات را به عنوان یک رشته درک می کند. لیست تامین کنندگان شما، ماتریس تفویض اختیار، تعهدات قراردادی شما، وضعیت موجودی فعلی شما، یا سه استثنایی که مدیر مالی شما در ماه مارس امضا کرده است را متوجه نمی شود. بدون آن، پیچیدگی یک حدس مستدل است.

زمینه سازمانی متمایزکننده است: داده‌های سازمانی مورد اعتماد و زمینه کسب‌وکار، از جمله سیاست‌ها، تأییدیه‌ها، تاریخچه معاملات، ساختار سازمانی و وضعیت فرآیند زنده که قبلا در سیستم‌های اصلی شما قرار دارند. هرچه قابلیت‌های عامل به سیستم‌هایی نزدیک‌تر باشد که در آن فرآیندهای تجاری، داده‌ها، امنیت و تأییدیه‌ها در حال حاضر وجود دارند، عوامل مؤثرتر می‌توانند زمینه را درک کنند و در چارچوب کنترل‌ها عمل کنند.

سیستمی که همه کارها را انجام می دهد نخواهید. نحوه هماهنگی متخصصان را بپرسید.

این امید دائمی وجود دارد که هوش مصنوعی سازمانی در نهایت به یک دستیار دیجیتالی دانای کل تبدیل شود. کسب‌وکارها به این شکل کار نمی‌کنند، بنابراین هوش مصنوعی آنها نیز کار نخواهد کرد.

سازمان ها اکوسیستم هایی از متخصصان هستند: امور مالی، منابع انسانی، زنجیره تامین، خدمات، فروش، که هر کدام تخصص، تعهدات و اهداف خاص خود را دارند. معادل در هوش مصنوعی یک عامل نیست که همه چیز را بداند، بلکه تیم های هماهنگ شده ای از عوامل است که دامنه خود را می شناسند و در جهت یک هدف مشترک کار می کنند.

استخدام مثال خوبی است. یکی از نمایندگان، نامزدها را نشان می دهد و آنها را نمایش می دهد. دیگری سوار شدن را آماده می کند. سومی تأیید می کند که بودجه واقعا در دسترس است. مورد چهارم، تاییدیه های مدیر استخدام را در حرکت نگه می دارد. به طور جداگانه، هر یک نسبتا مفید است. آنها با هم یک فرآیند تجاری را از جای خالی به روز اول منتقل می کنند. ارزش در هماهنگی قرار دارد، نه اجزا.

سیستم های نتایج

آنچه که هر چهار سوال را به هم مرتبط می کند، تغییر در این است که نرم افزار سازمانی واقعا برای چه چیزی است. برای چندین دهه برنامه های ما آنچه را که اتفاق افتاده بود ثبت می کرد. ما اکنون وارد عصر سیستم‌های نتایج می‌شویم: نرم‌افزاری که وضعیت کسب‌وکار را می‌خواند، دلایل آن را می‌خواند و برای ادامه کار به سمت یک هدف تعریف‌شده حرکت می‌کند.

این تغییر، سؤالات متفاوتی از رهبری می طلبد. نه چند عامل، بلکه کدام نتیجه. نمی تواند توصیه کند، اما می تواند اجرا کند. نه اینکه مدل چقدر باهوش است، بلکه چقدر ما را می شناسد. نه یک مغز، بلکه یک تیم.

سوالات را درست بپرسید و تصمیم گیری های فناوری به طور قابل توجهی آسان تر می شود. آنها را اشتباه بگیرید و مجموعه ای چشمگیر از عوامل، ابزارها و مدل ها را جمع آوری خواهید کرد که هیچ کس نمی تواند آنها را به تعدادی که مهم است مرتبط کند.

ما بهترین سازنده وب سایت هوش مصنوعی را معرفی کرده ایم.

این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.

نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit