نایب رئیس جهانی EY: بزرگترین پارادوکس هوش مصنوعی به کارهایی مربوط می شود که هوش مصنوعی نمی تواند انجام دهد
همانطور که هوش مصنوعی کار را خودکار می کند، قضاوت انسان به مهارتی تبدیل می شود که شرکت ها بیش از همه به آن نیاز دارند.
من دو دهه را در یک شرکت خدمات حرفه ای گذرانده ام که در آن قضاوت انسانی برای مدل کسب و کار اساسی است. مشتریان نه تنها برای تجزیه و تحلیل، بلکه برای تجربه، بینش و دیدگاه مورد نیاز برای عبور از عدم قطعیت و تصمیم گیری بهتر به EY می آیند.
این دقیقا همان مهارتی است که هوش مصنوعی اکنون در هر شغلی، چه عنوانی که روی در نوشته شده است، تحلیلگر، تکنسین یا اپراتور ماشین را مجبور می کند. پارادوکس عصر هوش مصنوعی این است که هر چه فناوری توانمندتر شود، بازار به چیزهای دیگر پاداش بیشتری می دهد. مهارتهای مورد نیاز ذاتا انسانی هستند - همه چیز به کارهایی برمیگردد که هوش مصنوعی نمیتواند انجام دهد.
در حالی که سرمایهگذاریها در هوش مصنوعی افزایش مییابد، شرکتها هنوز تا 40 درصد از دستاوردهای بهرهوری هوش مصنوعی را به دلیل شکافهایی در سرمایهگذاری استعدادها از دست میدهند. بسیاری از برنامههای آموزشی بر تجربه فنی هوش مصنوعی تمرکز میکنند و از مهارتهای حیاتی که تعیین میکنند یک استراتژی هوش مصنوعی سودمند است یا خیر، تمرکز میکنند.
کاری که هوش مصنوعی هنوز نمی تواند انجام دهد
فناوری در کارهای تکراری و نمایش داده ها پیشرفت می کند. اما انسان ها مسئول تعریف هدف، تعیین هدف و ارائه زمینه ای هستند که به اطلاعات معنی می دهد. افراد تصمیم می گیرند که کدام اهداف ارزش دنبال کردن را دارند، تشخیص می دهند که چه زمانی زمینه تغییر می کند و در قبال نتایج پاسخگو می مانند. بدون این جهت گیری انسانی، داده ها و بینش ها ممکن است به طور موثر اعمال نشوند یا ارزش بالقوه کامل خود را ایجاد نکنند.
این نشان می دهد که یک محل کار هماهنگ شده با هوش مصنوعی چگونه به نظر می رسد. این کار فرد را حذف نمی کند، بلکه بخش هایی از کار را که در وهله اول هرگز نیاز به قضاوت انسان نداشت، حذف می کند. آنچه باقی می ماند بخشی است که فقط یک انسان می تواند انجام دهد.
تسلط هوش مصنوعی را به عنوان یک مهارت رهبری آموزش دهید
برای استفاده کامل از دنیای مجهز به هوش مصنوعی، تسلط هوش مصنوعی باید به چیزی بیش از یک مهارت تخصصی تبدیل شود - ترکیب عملکرد ابزارهای هوش مصنوعی با ارزیابی خروجی ها از نظر ارتباط و دانستن نحوه (و زمان) مداخله در هنگام بروز مشکلات.
هویت ماشینی از تعداد کارکنان انسانی 82:1 در یک سازمان متوسط بیشتر است. چنین مقیاسی مسئولیت انسان را کم نمی کند. آن را متمرکز می کند. همانطور که سیستمهای هوش مصنوعی مستقلتر میشوند، قضاوت انسان مهمتر میشود.
طبق نظرسنجی مجمع جهانی اقتصاد، تفکر تحلیلی مطلوبترین مهارتی است که کارفرمایان در استخدامهای بالقوه جستجو میکنند و تقریبا از هر ده کارفرما هفت نفر آن را ضروری میدانند.
رهبران کارمندی را میخواهند که از تفویض اختیارات کور اجتناب کند و بداند چگونه هوش مصنوعی را در مواقع مهم به چالش بکشد.
نکته پایانی: از هوش مصنوعی برای کارآمدتر کردن کار خود استفاده کنید، نه اینکه تصمیمات قضاوتی را که همچنان مهمترین بخش کار هستند، به عهده بگیرید.
به تنهایی پیمایش نکنید
در عمل، هیچ سازمانی به تنهایی ادغام نیروی کار هوش مصنوعی را حل نمی کند. رویکردهای مجزا میتوانند زمانبر و پرهزینه باشند، زیرا سازمانها چرخههای اتلاف را در بازسازی جریانهای کاری که دیگران قبلا حل کردهاند، تلف میکنند.
این کار اتحادها و اکوسیستمهایی است که من در EY رهبری میکنم، جایی که به سازمانها کمک میکنیم پایههای مناسبی را برای مقیاسبندی کارآمد فناوری بدون نیاز به بازسازی آنچه که شخص دیگری قبلا حل کرده است ایجاد کنند.
کار اخیر ما با تولیدکننده نوشیدنی Lion این را نشان داد زیرا همکاری با شرکای اکوسیستم منجر به 75٪ سرعت پاسخگویی سریعتر مشتری و تقریبا 30٪ بهبود در هزینه های عملیاتی در عملکرد کارکنان آن شد. Lion به جای تلاش برای ساخت هر لایه از عملکرد افراد مجهز به هوش مصنوعی از ابتدا، با شرکایی کار کرد که قبلا بخشهایی از این مشکل را در جای دیگری حل کرده بودند.
جریان کار را دوباره طراحی کنید تا انسان در مرکز بماند
گردش کار باید دوباره تجسم شود تا انسان در هسته تصمیم گیری بماند و اعتماد حفظ شود. هنگامی که جریان های کاری ترکیبی هوش مصنوعی-انسان حول محورهای سفت و سخت ساخته می شوند و انتظار می رود هوش مصنوعی وظایف خود را قبل از انتقال نتیجه به انسان انجام دهد، فرض اساسی این است که وظایف را می توان به طور تمیز تقسیم کرد.
در عمل، این ساختار فرصتهای قضاوت معنادار را از بین میبرد و میتواند کارهای تکراری بیشتری را اضافه کند.
مدل بادوامتر، کار را حول وظایف مشترک با فرآیندی واقعا یکپارچه سازماندهی میکند، جایی که انسانها و هوش مصنوعی در هر مرحله به جای یک توالی مشارکت میکنند.
دایکین، یک شرکت چندملیتی متخصص در گرمایش، تهویه و تهویه مطبوع، این موضوع را با استفاده از هوش مصنوعی ترکیبی و تیمهای انسانی که به صورت پشت سر هم کار میکنند تا یک سیستم جدید برنامهریزی منابع سازمانی (ERP) را راهاندازی کنند، نشان داد. در حالی که هوش مصنوعی به تولید کد و تست خودکار کمک میکرد، کارکنان نظارت بر استثناها و سناریوهای پرخطر را حفظ کردند، و تقویت این قضاوت چیزی است که هیچ الگوریتمی نمیتواند آن را جذب کند.
این رویکرد تحویل را تقریبا 30 درصد تسریع کرد و خلبان 10 درصد افزایش راندمان ضد و 20 درصد بسته شدن مالی سریعتر ایجاد کرد.
مهارتی که تمام نمی شود
با وجود قابلیتهای مدل هوش مصنوعی که دائما در جریان هستند، اگر فقط بهروزرسانیهای فنی را ردیابی کند، مکالمه ارتقاء مهارت عقب میافتد. مهارتهای فنی مرتبط با یک نسخه مدل خاص، ماندگاری کوتاهی دارند، قضاوت در مورد اینکه چه زمانی و چگونه باید مداخله کرد اینطور نیست.
قضاوت برای ایجاد هوش مصنوعی ایمن و قابل اعتماد ضروری است.
هیچ کدام از اینها تصادفی اتفاق نمی افتد. این نیاز به تسلط در هر سطح دارد، شرکایی که بار ساختمان را به اشتراک میگذارند و جریانهای کاری طراحی شده برای نگه داشتن انسانها در هر مرحله برای نظارت مناسب.
سازمانهایی که مقیاس هوش مصنوعی را به درستی دریافت میکنند، انتخابهای عمدی در مورد اینکه کدام بخش از شغل انسانی باقی بماند، انجام میدهند. و پذیرش هوش مصنوعی به خوبی این نقش را به جای کاهش آن روشن می کند.
نظرات منعکس شده در این مقاله نظرات نویسنده است و لزوما منعکس کننده دیدگاه های سازمان جهانی EY یا شرکت های عضو آن نیست.
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
متن اصلی (انگلیسی)
EY Global Vice Chair: AI’s biggest paradox comes down to what AI can’t do
As AI automates work, human judgment becomes the skill companies need most.