هر چه هوش مصنوعی مستقل تر شود، استراتژی انسانی اهمیت بیشتری دارد

در چند سال گذشته، بیشتر گفتگوها در مورد هوش مصنوعی بر روی قابلیت متمرکز شده است. ما شاهد حرکت آن از تولید محتوا و خلاصه کردن اطلاعات به تجزیه و تحلیل داده‌ها، نوشتن کد و تکمیل وظایف پیچیده‌تر بوده‌ایم. اکنون، با توسعه سریع عوامل هوش مصنوعی، ما شروع به واگذاری نه تنها وظایف، بلکه بخش هایی از گردش کار و تصمیم گیری کرده ایم.

این پیشرفت به طور قابل‌توجهی سؤالاتی را در مورد اینکه چه اتفاقی برای افراد می‌افتد با خودمختاری‌تر شدن هوش مصنوعی ایجاد کرده است، اما ما به این سؤال به روشی اشتباه نگاه می‌کنیم. تغییر بزرگتر در کاری است که ما به مردم نیاز داریم. هنگامی که ابزارهای هوش مصنوعی می توانند کارهای بیشتری را انجام دهند، مردم باید زمان بیشتری را صرف فکر کردن در مورد سیستم اطراف آن کنند. برای این کار باید سوالات مهمی از خود بپرسیم: در واقع ما در تلاش برای انجام چه چیزی هستیم؟

فناوری برای اتخاذ یک تصمیم خوب به چه اطلاعاتی نیاز دارد؟

چگونه کار باید از یک مرحله به مرحله دیگر حرکت کند؟

چه زمانی هوش مصنوعی می‌تواند به تنهایی تصمیم بگیرد و چه زمانی لازم است کسی درگیر شود؟ اینها سوالاتی هستند که شرکت ها در حال حاضر با آنها سروکار دارند، اما هوش مصنوعی خطرات را افزایش می دهد زیرا تصمیمات و اقدامات می توانند بسیار سریعتر و در مقیاسی بسیار بزرگتر اتفاق بیفتند. به عنوان مثال یک سازمان بازاریابی را در نظر بگیرید.

ما در حال حاضر در نقطه‌ای هستیم که هوش مصنوعی می‌تواند مخاطب را تجزیه و تحلیل کند، محتوا را توسعه دهد، آن محتوا را برای کانال‌های مختلف تطبیق دهد، آن را در برابر الزامات بررسی کند و نتایج را ارزیابی کند. تصور اینکه این قابلیت‌ها به هم متصل شوند تا یک عمل به طور خودکار اقدام بعدی را آغاز کند، دشوار نیست.

استراتژی در هماهنگی می آید

چالش این است که هر بخش از آن فرآیند می تواند دقیقا همانطور که طراحی شده است کار کند و همچنان نتیجه بدی ایجاد کند. یک مدل مخاطب می‌تواند افرادی را شناسایی کند که احتمالا به یک پیشنهاد پاسخ می‌دهند در حالی که مشتریانی را که کسب‌وکار می‌خواهد در طول زمان توسعه دهد را از دست می‌دهند.

یک نماینده محتوا می تواند چیزی را تولید کند که احتمالا کلیک ایجاد می کند، اما با جایی که نام تجاری می خواهد برود ناسازگار است. سیستمی که عملکرد را ارزیابی می‌کند، می‌تواند یک توصیه کاملا منطقی بر اساس معیاری که ارائه شده است، ارائه دهد، حتی اگر آن معیار منعکس کننده هدف تجاری بزرگ‌تر نباشد.

اینها لزوما شکست هوش مصنوعی نیستند. در بسیاری از موارد، فناوری دقیقا همان کاری را انجام داده است که از آن خواسته شده است. زمانی که هدف، زمینه یا ارتباطات بین تصمیمات به اندازه کافی خوب طراحی نشده بود، شکست زودتر اتفاق افتاد. اینجاست که نقش مردم اهمیت فزاینده ای پیدا می کند.

کسی باید زمینه کسب و کار گسترده تر را درک کند و مطمئن شود که تصمیمات فردی که در جریان کار گرفته می شود در نهایت از همان هدف پشتیبانی می کند.

هر کسی که مدتی را در یک شرکت بزرگ گذرانده باشد، قبلا نسخه ای از این را دیده است. در طول دو دهه گذشته، شرکت‌ها فناوری تخصصی را برای تقریبا هر نیاز تجاری خریداری کردند: پلتفرم‌های CRM، سیستم‌های اتوماسیون بازاریابی، ابزارهای تحلیلی، نرم‌افزار مدیریت پروژه، پلت‌فرم‌های محتوا و راه‌حل‌های بی‌شماری نقطه‌ای. هر کدام یک مشکل واقعی را حل کردند، اما شرکت‌ها سپس باید چگونگی کارکرد همه آن سیستم‌ها را با هم بیابند.

تیم‌ها یکپارچه‌سازی کردند، داده‌ها را بین پلتفرم‌ها جابه‌جا کردند، اطلاعات متناقض را با هم تطبیق دادند و فرآیندهایی را برای پر کردن شکاف‌ها بین سیستم‌هایی که هرگز برای کار کردن به عنوان یک واحد طراحی نشده بودند ایجاد کردند. در بسیاری از سازمان ها، کارکنان به طور موثر به لایه ادغام تبدیل شدند و زمینه را از یک پلت فرم یا تیم به پلتفرم بعدی منتقل کردند.

از آنجایی که شرکت‌ها هوش مصنوعی را در همه کارها به کار می‌گیرند، احتمال بسیار واقعی وجود دارد که ما همان مشکل را دوباره ایجاد کنیم، فقط بسیار سریع‌تر و با فناوری‌ای که می‌تواند به طور مستقل تصمیم بگیرد و اقدام کند.

استفاده از ابزار هوش مصنوعی یا ساخت عاملی که مشکل خاصی را حل می کند برای یک بخش نسبتا آسان است. با این حال، همانطور که در سراسر یک شرکت اتفاق می افتد، سازمان ها می توانند به سرعت خود را با تعداد زیادی مدل و عاملی بیابند که بر روی داده های مختلف عمل می کنند، دستورالعمل های مختلف را دنبال می کنند و برای نتایج متفاوت بهینه می شوند.

اجزای منفرد ممکن است بسیار هوشمندتر از سیستم‌های نرم‌افزاری باشند که پیش از آن‌ها ارائه شده‌اند، اما این امر هماهنگی آنها را حتی مهم‌تر می‌کند و اهمیت داشتن استراتژی را افزایش می‌دهد که فراتر از هر عامل فردی یا مورد استفاده باشد.

یافتن تعادل کلیدی است

استراتژی انسانی در طراحی آن سیستم بزرگ‌تر حیاتی می‌شود، اما نباید با قرار دادن یک فرد در پشت هر تصمیم هوش مصنوعی اشتباه گرفته شود. الزام کسی برای تایید هر خروجی در وهله اول بسیاری از اهداف ایجاد سیستم های مستقل را ناکام می گذارد.

شرکت‌ها باید تعیین کنند که در کجا به هوش مصنوعی اجازه می‌دهند مستقل عمل کند، کجا نظارت کافی است و کجا پیامدهای یک تصمیم دخالت مستقیم انسان را توجیه می‌کند.

این تعادل احتمالا در هر سازمان و حتی در جریان کار در همان شرکت متفاوت به نظر می رسد. یک تصمیم معمول با قوانین روشن و پیامدهای محدود ممکن است نیاز به مداخله بسیار کمی داشته باشد، در حالی که تصمیمی که بر رابطه مشتری، برند، هزینه‌های قابل توجه یا جهت‌گیری استراتژیک تأثیر می‌گذارد، مستحق سطح متفاوتی از بررسی است.

همچنین شرایطی وجود خواهد داشت که سیستم به سادگی باید تشخیص دهد که یک اتفاق غیرعادی رخ داده است و یک فرد را به این فرآیند بازگرداند. تعیین آن مرزها و طراحی گردش کار در اطراف آنها ممکن است در نهایت بیشتر از مدل یا عاملی که یک شرکت انتخاب می کند اهمیت داشته باشد.

با تغییر تکنولوژی، تطبیق و تنظیم کنید

تکنولوژی زیر همه اینها به سرعت تغییر خواهد کرد. مدل هایی که امروزه به طور چشمگیری بهتر از رقبای خود به نظر می رسند، ممکن است ظرف چند ماه از آنها سبقت گرفته شود و قابلیت هایی که در حال حاضر متمایز هستند، به طور گسترده در دسترس خواهند بود. شرکت‌ها نمی‌توانند فرض کنند که دسترسی به یک مدل خاص مزیتی پایدار ایجاد می‌کند، به‌ویژه وقتی شکاف بین فناوری‌های رقیب کم‌تر می‌شود.

آنچه که تکرار آن بسیار دشوارتر خواهد بود، تفکری است که فناوری را احاطه کرده است: درک سازمان از مشتریان و عملیات خود، روشی که جریان کاری آن طراحی شده است، زمینه ای که به سیستم های هوش مصنوعی خود می دهد و قضاوتی که در مورد تصمیماتی که بیشترین اهمیت را دارند اعمال می کند. این چیزها مختص کسب و کار هستند و با دسترسی گسترده تر به فناوری زیربنایی، ارزشمندتر می شوند.

بنابراین استقلال بیشتر هوش مصنوعی به آینده ای با نیاز کمتر به هوش انسانی منجر نمی شود. این نیاز بیشتری را برای افرادی ایجاد می‌کند که می‌توانند به کل سیستم نگاه کنند و بفهمند که از فناوری خواسته می‌شود چه کاری انجام دهد، آیا قطعات با هم کار می‌کنند و آیا نتیجه واقعا برای کسب‌وکار معنا دارد یا خیر.

ما در ساختن هوش مصنوعی که بتواند کارهایی را از طرف ما انجام دهد بسیار خوب عمل می کنیم. چالش سخت‌تر این است که مطمئن شوید همه آن چیزها به چیزی ارزش انجام دادن اضافه می‌کنند.

ما بهترین چت ربات هوش مصنوعی را برای تجارت 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