پروژه های هوش مصنوعی نتیجه نمی دهند؟ موسسه بهره وری Uni می گوید که به آن ادامه دهید
تمام آن سرمایه گذاری اولیه برای اثرگذاری نیاز به زمان دارد و سرعت بخشیدن به وظایف فردی لزوما کل شرکت را تقویت نمی کند.
دانشگاه منچستر در حال بررسی دقیق این موضوع است که چرا پذیرش رو به رشد ابزارهای هوش مصنوعی تاکنون نتوانسته است به دستاوردهای بهره وری پیش بینی شده تبدیل شود، با این حال، محققان در تلاش هستند تا پاسخ های آسانی برای پر کردن شکاف جاه طلبی هوش مصنوعی بدهند.
در گزارشی که «شکاف جاهطلبی هوش مصنوعی» نیز نامیده میشود، مؤسسه بهرهوری دانشگاه بریتانیا پیشرفتهای حاصله در هوش مصنوعی و پذیرش گسترده آن را بررسی میکند و مشخص میکند که رهبران کسبوکار و سیاستگذاران چه کاری میتوانند برای درک مزایای بالقوه انجام دهند.
این گزارش توسط گروه فناوری اطلاعات biz Bytes ارائه شده است.
یکی از دلایل فقدان نتایج این است که سازمان ها از قبل روی بازآموزی کارکنان، سازماندهی مجدد شیوه کار و سایر تنظیمات سرمایه گذاری کرده اند. این هزینهها بلافاصله ظاهر میشوند، اما بازپرداخت تا بعدا انجام نمیشود.
این گزارش نشان می دهد که دلیل دیگر این است که ابزارهای هوش مصنوعی می توانند بهره وری را در سطح وظایف فردی افزایش دهند، اما این دستاوردها به طور خودکار به بهره وری بیشتر در کل نقش یک کارگر یا کل سازمان تبدیل نمی شود.
به عنوان مثال توسعهدهندگان نرمافزار با استفاده از GitHub Copilot که حدود 26 درصد وظایف بیشتری را انجام دادند، و حرفهایهایی که از ChatGPT برای نوشتن و تحلیل روتین استفاده میکردند، زمان تکمیل کار را تا 40 درصد کاهش میداد و در عین حال کیفیت خروجی را تا 18 درصد بهبود میداد.
با این حال، مطالعه ابزارهای توسعهدهنده هوش مصنوعی نشان داد که این ابزارها فعالیت کدنویسی را تقریبا 240 درصد افزایش دادهاند، در حالی که تعداد نسخههای واقعی نرمافزار تنها حدود 30 درصد افزایش یافته است. این شکاف به این دلیل است که انسان ها هنوز باید کار خود را قبل از انتشار بررسی و آزمایش کنند.
محققان می گویند قرار گرفتن در معرض وظایف زیاد در معرض هوش مصنوعی به طور خودکار باعث بهره وری بیشتر کارگر نمی شود. مشاغل معمولا فعالیت های خودکار را با وظایفی که نیاز به قضاوت، هماهنگی، تعامل با مشتری و تفکر انتقادی دارند ترکیب می کنند. همانطور که هوش مصنوعی برخی از فعالیتها را حذف یا تسریع میکند، آن وظایف تکمیلی انسانی به محدودیت در صرفهجویی در زمان و تبدیل دستاوردهای سطح کار به بهرهوری بیشتر تبدیل میشود.
این گزارش ادامه میدهد بنابراین نتایج شغل به ترکیب وظایف و تخصص انسانی مکمل بستگی دارد. این نشان می دهد که هوش مصنوعی ممکن است تا حدی نیروی کار را از وظایف موجود جابجا کند، در حالی که همچنین وظایف جدیدی ایجاد می کند که در آن کارگران مزیت نسبی را حفظ می کنند.
به گفته محققان، این می تواند خبر خوبی برای بریتانیا باشد. در مقایسه با پنج کشور دیگر (ایالات متحده، برزیل، کلمبیا، هند و آفریقای جنوبی)، Blighty بالاترین سهم کارگران را در مشاغلی دارد که هم در معرض هوش مصنوعی و هم «مکمل بودن بالا» هستند. این تا حدودی مربوط به بخشهای خدمات تجاری و مالی بزرگ کشور است که با سهم بالایی از مشاغل شناختی مشخص میشوند.
این به همان اندازه است، زیرا دولت امید خود را به استفاده از هوش مصنوعی برای پیشبرد بهبود اقتصادی در راهبردی که در آغاز سال گذشته ترسیم کرد، بسته است.
بخش هوش مصنوعی بریتانیا از نظر استانداردهای اروپایی نسبتا بزرگ است و این گزارش به تخمینهای اخیر OECD اشاره میکند که اقتصادهای پرمخاطب مانند بریتانیا و ایالات متحده ممکن است شاهد افزایش بهرهوری نیروی کار سالانه بین 0.4 تا 1.3 درصد باشند.
حتی افزایش سالانه حدود 0.5 تا 0.7 درصدی، تغییر گامی قابل توجهی را نسبت به عملکرد متوقف شده بهره وری بریتانیا در دهه گذشته نشان می دهد، اگر این اثر پایدار بماند.
مؤسسه بهره وری چندین "توانمندسازهای تقویت کننده متقابل" را فهرست می کند تا به سازمان ها کمک کند شکاف جاه طلبی را که شناسایی می کند، ببندند. هیچکدام بهویژه تعجبآور نیست، بهویژه اگر گزارشهای دیگری در مورد موفقیت شرکتها با پذیرش هوش مصنوعی را خوانده باشید.
یکی مدیریت راهبردی برای سازمان است، دیگری تقویت قابلیت های کارکنان از طریق دانش بیشتر و سواد داده ای برای کمک به سازمان ها برای تبدیل بینش فردی به یادگیری مشترک. سایر موارد شامل اجرای حکمرانی هوش مصنوعی و تمرکز بر برنامه هایی است که می توانند محصولات جدید ایجاد کنند، فرآیندهای اصلی را بهبود بخشند یا مشکلات حل نشدنی قبلی را حل کنند.
بارت ون آرک، استاد موسسه بهره وری و نویسنده اصلی این گزارش، گفت: «پتانسیل بهره وری هوش مصنوعی زمانی واقعی می شود که وظایف سریعتر منجر به عملکرد بهتر در سراسر تجارت شود.
"شکاف جاه طلبی بین کارآیی های فردی و نتایج پایدار تجاری نهفته است. بستن آن مستلزم سرمایه گذاری شرکت ها در مدیریت، مهارت ها و طراحی مجدد گردش کار در کنار فناوری است."
نتیجه این است که شرکتها باید ایمان داشته باشند و به سرمایهگذاری در هوش مصنوعی ادامه دهند و در نهایت اگر کارهای درست را انجام دهید، مزایای آن حاصل خواهد شد. اینها شامل تمرکز بر موارد استفاده با ارزش بالا مرتبط با استراتژی، ارزش مشتری و تنگناهای عملیاتی، به علاوه تلقی از هوش مصنوعی به عنوان طراحی مجدد محل کار است.
این گزارش میگوید که سیاستگذاران میتوانند در اینجا با کمک به شناسایی فرصتهای مرتبط به کسبوکارها برای کاهش خطرات پذیرش و عدم اطمینان کمک کنند.
سایر گزارشهای منتشر شده در این هفته در پیام خود تعریف بیشتری داشتند: گارتنر گفت 75 درصد از اعضای هیئت مدیره شرکتها هنوز هیچ دستاوردی در بهرهوری یا کاهش هزینههای ناشی از استفاده از هوش مصنوعی نداشتهاند، و مدیریت جهانی Apollo در سهام خصوصی معتقد است که تنها بزرگترین فروشندگان فناوری از نوعی بازده هوش مصنوعی برخوردار هستند. ®
متن اصلی (انگلیسی)
AI projects not paying off? Keep at it, says Uni Productivity Institute
All that up-front investment needs time to take effect, and speeding individual tasks won't necessarily boost the entire firm