چرا آسان کردن هوش مصنوعی برای کسب و کار شما یک خطر است

یک ضرب المثل قدیمی وجود دارد که می گوید ضرورت مادر اختراع است. وقتی راه آسانی وجود ندارد، مجبور می شویم متفاوت فکر کنیم و چیز جدیدی ارائه کنیم. هوش مصنوعی یک میانبر در اطراف آن ارائه می دهد. تقریبا بدون هیچ تلاشی پاسخ های فوری می دهد.

این برای بهره وری در کوتاه مدت عالی است، اما هزینه پنهانی دارد. بی سر و صدا فشاری را که مردم و کل سازمان ها را وادار می کند تا در حل مشکلات بهتر شوند را از بین می برد.

آیا این یک مشکل است؟ نه بلافاصله. صرف زمان کمتر برای یک کار به معنای هزینه کمتر و ظرفیت بیشتر برای کارهای دیگر است. اما با گذشت زمان، خطر از بین رفتن مهارت‌هایی که یک کسب‌وکار برای ادامه ایده‌های جدید نیاز دارد، از بین می‌رود. ما این را «تله بهره‌وری» می‌نامیم: در کوتاه‌مدت سریع‌تر می‌شوید، اما به آرامی توانایی فکر کردن برای خودتان را از دست می‌دهید.

ما زمانی را صرف مطالعه نحوه یادگیری سازمان ها کرده ایم. ما مدلی ساختیم که نشان می‌دهد چگونه مردم تصمیم می‌گیرند که آیا به تنهایی روی یک مشکل کار کنند یا فقط از راه‌حلی که شخص دیگری قبلا پیدا کرده است دوباره استفاده کنند.

الگو مشخص است. هنگامی که پاسخ های "به اندازه کافی خوب" رایگان و فورا در دسترس هستند، مردم بیشتر از آنها استفاده می کنند و کمتر کاوش می کنند. تیم ها شروع به استقرار در همان چند رویکرد می کنند. خروجی بالا می رود، اما تفکر تازه به آرامی خشک می شود.

این فقط یک نظریه نیست یک مطالعه معروف در سال 2015 به زیست شناسان محاسباتی نگاه کرد و دریافت که وقتی آنها به راحتی می توانند کار نیمه تمام یکدیگر را ببینند، زمان بیشتری را صرف پرداختن به آنچه قبلا وجود داشته و زمان کمتری را صرف روش های جدید می کنند. دامنه ایده های مورد بررسی کاهش یافت.

ما چیزی مشابه را در محل کار خود دیده‌ایم - با جلسات هفتگی که برای به اشتراک گذاشتن ابزارهای هوش مصنوعی جدید راه‌اندازی شده‌اند، شرکت‌کنندگان به خوبی برگزار می‌شوند، اما با گذشت زمان، ایده‌های واقعی کمتری تولید می‌کنند. گروه کوچکی از مردم به کاوش ادامه دادند. بقیه فقط منتظر بودند تا هر چیزی را که پیدا کردند بردارند. برای رهبران کسب و کار، این درس نسبتا ساده است. هوش مصنوعی نحوه یادگیری افراد در محل کار را تغییر می دهد.

اگر بتوان یک یادداشت استراتژی مناسب یا ارزیابی ریسک را در چند دقیقه تهیه کرد، افراد کمتری زحمت انجام کارهای آهسته‌تر را که در واقع باعث ایجاد درک می‌شود، می‌دهند، مانند صحبت کردن با مشتریان، بررسی خود اعداد یا آزمایش فرضیات خود.

اگر علامت نزنید، تیمی برای شما باقی می‌گذارد که در گرفتن پاسخ‌ها از هوش مصنوعی خوب هستند، اما در قضاوت در مورد درست بودن آن پاسخ‌ها خیلی خوب نیستند.

اضافه کردن مقداری اصطکاک به داخل

یک گزینه این است که میزان استفاده از هوش مصنوعی را کاهش دهید. اما این کارایی واقعی را برای سودی که اندازه‌گیری آن دشوار است، کاهش می‌دهد، که فروش سختی برای هر تیم رهبری متمرکز بر اعداد این سه ماهه است. یک رویکرد بهتر همان چیزی است که ما آن را "اصطکاک استراتژیک" می نامیم: یک مرحله کوچک و عمدی که بین یک کارمند و یک پاسخ تولید شده توسط هوش مصنوعی اضافه می کنید، بنابراین آنها باید قبل از دریافت آن، خودشان فکر کنند.

این در مورد اضافه کردن نوار قرمز بیهوده نیست. این در مورد اطمینان از این است که قبل از اینکه کسی از یک پاسخ آماده هوش مصنوعی بهره مند شود، زمان کافی را صرف این مشکل کرده است تا واقعا آن را درک کند.

تحقیقات ما نشان می‌دهد که این امر به طور کلی سرعت افراد را کاهش نمی‌دهد. سرعت آنها را افزایش می دهد، زیرا کسی که قبلا با مشکلی دست و پنجه نرم کرده است، در موقعیت بهتری برای تشخیص اشتباه بودن پاسخ هوش مصنوعی و بهبود آن است. چند راه عملی برای انجام این کار وجود دارد، از تغییرات ساده قوانین گرفته تا طراحی سیستم.

ساده ترین گزینه این است که ابتدا درخواست اثبات تلاش مستقل داشته باشید. قبل از اینکه کسی اجازه استفاده از هوش مصنوعی برای ارزیابی بازار را داشته باشد، از او بخواهید ابتدا نسخه تقریبی خود را بنویسد، حتی اگر ناقص باشد، و نشان دهد که از قبل چه می‌داند و کجا گیر کرده است. این نیازی به ابزار یا نرم افزار جدید ندارد، فقط به تغییر در نحوه کار شما نیاز دارد.

یک قدم بیشتر، طراحی ابزارهای هوش مصنوعی برای پرسیدن سؤالات قبل از دادن پاسخ است. اگر کسی برای تجزیه و تحلیل رقبا بخواهد، ابزار ابتدا می‌تواند چند چیز را از او بخواهد که قبلا می‌دانست یا متوجه شده است. سپس پاسخ خود را حول آن می سازد. این باعث می‌شود افراد قبل از دریافت پاسخ فکر کنند و معمولا خروجی هوش مصنوعی را نیز بهتر می‌کند، زیرا به جای حدس‌های عمومی از اطلاعات تازه کار می‌کند.

مهم‌ترین گزینه ساخت ابزارهایی است که تنها زمانی باز می‌شوند که شخصی ورودی خود را وارد کند. به عنوان مثال، ممکن است شخصی قبل از اینکه اجازه ایجاد ارزیابی ریسک را داشته باشد، لازم باشد فرضیات اولیه خود را آپلود کند. راه‌اندازی آن کار بیشتری می‌طلبد، اما مطمئن می‌شود که هر خروجی هوش مصنوعی یک تلاش تیمی واقعی بین فرد و ابزار است، نه فقط چیزی که به صورت عمده‌فروشی تحویل داده می‌شود.

هر کاری به این نیاز ندارد. برای کارهای ساده و کم ریسک، مانند قالب بندی یک اسلاید یا خلاصه کردن برخی یادداشت ها، سرعت همه چیز مهم است، بنابراین اجازه دهید هوش مصنوعی کار خود را انجام دهد. اصطکاک را برای کاری که در آن واقعا به فکر کردن افراد نیاز دارید، صرفه جویی کنید، نه اینکه فقط چیزها را از بین ببرید.

شناسایی سازندگان

اینجا هم زاویه استخدام وجود دارد. در محیط کاری که همه به هوش مصنوعی دسترسی دارند، شخصی که "پاسخ درست" را می دهد دیگر آنقدرها چشمگیر نیست. مهمتر این است که چگونه به آنجا رسیده اند.

به دنبال افرادی باشید که به طور انتخابی از هوش مصنوعی استفاده می کنند و آنچه را که به آنها می دهد را مورد سوال قرار می دهند، نه افرادی که هر چیزی را که تولید می کند را می پذیرند و آن را منتقل می کنند. صرفا تماشای نحوه استفاده شخصی از هوش مصنوعی، خواه از هوش مصنوعی عقب نشینی کند یا فقط با آن همراهی کند، در مصاحبه یا بررسی عملکرد چیزهای زیادی به شما می گوید.

هوش مصنوعی به سرعت بخشیدن به کسب و کارها ادامه خواهد داد. کار سخت‌تر برای رهبران این است که مطمئن شوند سرعت قضاوت و خلاقیتی که کسب‌وکار به آن متکی است را از بین نمی‌برد. کمی اصطکاک درست، که در ابزارها، گردش کار و نحوه استخدام شما تعبیه شده است، چیزی است که باعث می‌شود یک کسب‌وکار به جای پاسخ‌گویی، ایده‌های جدیدی ارائه دهد.

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