پرش به محتوای اصلی

مدیر عامل Genpact BK Kalra: زمان آزمایش های هوش مصنوعی به پایان رسیده است

نیوزویک۱۴۰۵ شهریور ۲۷, جمعه، ساعت ۲۰:۰۶حدود 5 دقیقه مطالعه

BK Kalra می‌گوید که مقیاس‌بندی هوش مصنوعی اکنون به اصلاح داده‌ها، فرآیندها، استعدادها و شکاف‌های حاکمیتی بستگی دارد که خلبان‌ها می‌توانند پنهان کنند.

رهبران سازمانی چند سال گذشته را صرف آزمایش هوش مصنوعی مولد کرده‌اند. Balkrishan "BK" Kalra معتقد است که مرحله آزمایشی در حال پایان است.

رئیس و مدیر عامل Genpact در جریان وبینار 17 سپتامبر نیوزویک با عنوان "نقطه عطف: چگونه ارزش سازمانی ترکیبی از عملیات عاملی" به میزبانی دکتر رنجیت تینایکار برگزار شد، گفت: "زمان اثبات مفاهیم گذشته است. زمان آزمایش ها گذشته است." "اکنون موارد استفاده از مقیاس است."

حرکت از آزمایش‌ها به مقیاس، شرکت‌ها را مجبور می‌کند با مشکلاتی روبرو شوند که اثبات مفهوم می‌تواند آنها را حل‌نشده رها کند. داده ها باید قابل استفاده باشند، فرآیندها باید در سراسر واحدهای تجاری حفظ شوند، کارمندان برای کار با ابزارها به تسلط کافی نیاز دارند و زمانی که یک نماینده اقدام می کند، کسی باید پاسخگو باشد.

Kalra گفت موارد استفاده از مقیاس باید در نهایت بر اساس عملکرد تجاری مورد قضاوت قرار گیرد. او این آزمون را در سه عبارت بیان کرد: آیا شرکت‌ها می‌توانند «سریع‌تر رشد کنند، ضعیف‌تر عمل کنند یا بیشتر به پول نقد تبدیل شوند».

زمانی که هوش مصنوعی یک آزمایش محدود را ترک می‌کند و به سیستم‌ها، داده‌ها و قوانین حاکم بر عملیات روزمره وارد می‌شود، دستیابی به این دستاوردها دشوارتر می‌شود.

Tinaikar به تحقیقات Genpact و HFS Research، بر اساس نظرسنجی از 2002 مدیر شرکت در 16 صنعت و 14 عملکرد، استناد کرد که نشان داد تنها 6 درصد از سازمان‌ها به عنوان واسطه‌های اثبات شده بازپرداخت بدهی تحت چارچوب این مطالعه واجد شرایط هستند - به این معنی که آنها ابتکاراتی را برای رسیدگی به این مشکلات ایجاد کرده‌اند، آنها را اجرا کرده و نتایج را اندازه‌گیری کرده‌اند. او از Kalra پرسید که تیم‌های مدیریت ارشد باید قبل از انجام عملیات‌های نمایندگی به چه نکاتی توجه کنند.

کالرا بدهی فناوری را انباشته شدن سیستم‌های قدیمی، زیرساخت‌ها و لایه‌های فناوری وصله‌شده با هم توصیف کرد.

کالرا گفت: «بدهی های فناوری تنها نوک کوه یخ است.

او استدلال کرد که در زیر آن بدهی داده ها، بدهی پردازش و بدهی استعداد وجود دارد که هر کدام می توانند کاری را که شرکت ها می توانند با هوش مصنوعی انجام دهند محدود کنند.

عوامل نادیده گرفتن این کاستی‌ها را سخت‌تر می‌کنند، زیرا برای عمل به داده‌های قابل استفاده و زمینه خاص شرکت وابسته هستند. فرآیندهای کسب‌وکار لایه دیگری از پیچیدگی را معرفی می‌کنند: آنچه از بالا شبیه یک فرآیند واحد به نظر می‌رسد ممکن است شامل قوانین، استثنائات و شیوه‌های متفاوتی در کشورها، ایالت‌ها یا واحدهای تجاری باشد. نکته Kalra این است که یک مدل همه منظوره نمی تواند به طور قابل اعتمادی آن تغییرات را بدون داده ها و دانش فرآیندی خاص شرکت هدایت کند.

Kalra از عملیات جهانی برای نشان دادن اینکه چگونه الزامات ممکن است بر اساس حوزه قضایی متفاوت باشد، استفاده کرد. بسیاری از دانش مورد نیاز برای پیمایش این تفاوت‌ها در سازمان، گاهی غیرمستند، در نحوه رسیدگی کارکنان به استثنائات و انتقال تراکنش‌ها از یک عملکرد به عملکرد دیگر وجود دارد.

کالرا گفت: "هیچ هوش مصنوعی، هیچ سودی از هوش مصنوعی، اگر با هوش فرآیندی همراه نباشد، وجود ندارد."

فناوری اطلاعات و حاکمیت باید زودتر وارد این گفتگوها شوند. یکی از مخاطبان پرسید که چگونه شرکت‌ها می‌توانند در هنگام استقرار سیستم‌های عامل در میان بخش‌های فناوری اطلاعات اعتماد ایجاد کنند. پاسخ کالرا با این شروع شد که چه کسی باید از ابتدا درگیر باشد.

او گفت: «CIO یا یک شریک CDO خود را به جلو بیاورید. "زیرا اگر آنها در چادر نباشند، زود به راه حل نمی پردازند."

کالرا گفت که نگرانی های امنیتی نیز باید درک شده و مورد توجه قرار گیرد، در کنار یک چارچوب هوش مصنوعی مسئول. این موضوع زمانی اهمیت بیشتری پیدا می‌کند که نمایندگان در امور مالی، زنجیره تامین و سایر عملیات‌هایی که اشتباهات می‌توانند پیامدهای مالی یا نظارتی داشته باشند، اجرا می‌شوند.

در فرمول کالرا، عملیات عاملی از کاری که توسط انسان پردازش می‌شود و توسط انسان تأیید می‌شود، به سمت فرآیندهایی حرکت می‌کند که به طور فزاینده‌ای توسط ماشین پردازش می‌شوند و توسط انسان تأیید می‌شوند. افراد مسئولیت استثنائات و مسئولیت پذیری را حفظ می کنند، حتی زمانی که کارگزاران بیشتر از اجرای اصلی را انجام می دهند.

آمادگی نیروی کار به همان اندازه مهم است. Kalra گفت که کارگران قبل از اینکه بتوانند به طور معناداری در طراحی مجدد نحوه انجام کار مشارکت داشته باشند، نیاز به قرار گرفتن در معرض ابزارهای هوش مصنوعی برای درک آنچه ممکن است دارند. او خاطرنشان کرد که در Genpact، هزاران کارمند به این ابزارها دسترسی پیدا کرده اند.

Tinaikar این نقطه را به زمانی که شرکت ها به کارگران می دهند تا مهارت های جدید را توسعه دهند مرتبط کرد. او گفت که آموزش به طور سنتی با مسئولیت های فوری روزمره رقابت می کند.

تینایکار گفت: «این یک امتیاز نیست، یک امر ضروری است.

Kalra از دو دسته کلی برای مهارت‌هایی که Genpact در حال توسعه است استفاده می‌کند. سازندگان هوش مصنوعی تخصص فنی را با دانش یک حوزه تجاری مرتبط ترکیب می کنند. متخصصان هوش مصنوعی با تخصص عمیق‌تری در زمینه‌هایی مانند امور مالی، زنجیره تامین، تدارکات، بانکداری یا بیمه شروع می‌کنند، اما انتظار می‌رود که تسلط کافی بر هوش مصنوعی و داده‌ها برای کار مستقیم با این فناوری داشته باشند.

Kalra گفت، برخی از وظایف و نقش‌ها به طور قابل توجهی تغییر خواهند کرد، زیرا ماشین‌ها اجرا بیشتری می‌کنند. Tinaikar عصر گوشی‌های هوشمند را به عنوان نمونه‌ای مطرح کرد که چگونه پیش‌بینی‌های جابه‌جایی می‌توانند چیزی را که یک فناوری در اطراف آن ایجاد می‌کند از دست بدهد.

تینایکار گفت: «وقتی تلفن‌های همراه آمد، فکر می‌کردند لپ‌تاپ‌ها و رایانه‌های شخصی منسوخ می‌شوند. در عوض، یک اکوسیستم کاملا جدید از برنامه ها را در تلفن های همراه ایجاد کرد. او خاطرنشان کرد که مشاغل و مشاغل جدید در اطراف آن اکوسیستم رشد کردند.

او گفت: «وقتی فناوری جدید وارد می‌شود، مدل‌های کسب‌وکار جدید وارد می‌شوند، نقش‌های جدیدی وارد می‌شوند.

Kalra همچنین از پارادوکس Jevons استفاده کرد - این ایده که کارایی بیشتر می تواند منجر به استفاده کلی بیشتر شود و تقاضا و فعالیت اضافی ایجاد کند.

کالرا گفت: "شغل شما توسط هوش مصنوعی گرفته نمی شود، اما شغل شما می تواند توسط فردی که هوش مصنوعی را بهتر می شناسد، تصاحب کند."

مدل‌های توانمندتر می‌توانند آنچه را که شرکت‌ها قادر به خودکارسازی آن هستند گسترش دهند، اما مقیاس‌بندی آنها همچنان به داده‌های قابل استفاده، فرآیندهای قابل اجرا، کنترل‌های امنیتی و کارمندان آماده برای عملکرد متفاوت نیاز دارد.

وقتی مکالمه بسته شد، کالرا مشکل را حل کرد.

او گفت: «آرزوها واقعا زیاد است. "آمادگی پایین است."

خوشحال می‌شویم که در نسخه بعدی مجموعه وبینار "تالار گفتمان تاثیر هوش مصنوعی" ما شرکت کنید.

در روز پنج‌شنبه، 22 اکتبر، دکتر رنجیت تینایکار با فردوس بااتنا، معاون اجرایی و مدیر ارشد فناوری و تحول در S&P Global، در مورد فناوری سازمانی، هوش مصنوعی و تغییرات سازمانی مورد نیاز برای تبدیل قابلیت‌های جدید به نتایج کسب‌وکار گفتگو خواهد کرد.

خواندن متن کامل در نیوزویکبه زبان اصلی، در سایت ناشر باز می‌شود
متن اصلی (انگلیسی)

Genpact CEO BK Kalra: The Time for AI Experiments Is Over

BK Kalra says scaling AI now depends on fixing the data, process, talent and governance gaps pilots can hide.

همه‌ی اخبار فناوری