Fremtiden for arbejdet: Hvordan AI og automatisering gendefinerer jobroller og forretningsmodeller

I vores professionelle praksis er vi stødt på to polariserede meninger om AI og dets indvirkning på jobroller og forretningsmodeller. Den ene side er bekymret over, at arbejdsløsheden stiger, og kunstig intelligens overtager, mens den anden side mener, at AI ikke vil medføre nogen væsentlige ændringer og vil ende med at være en boble.

Som 64% af CIO’er har høje forventninger til at bruge AI til at løfte deres forretningsoperationer og udvikle virksomheder, bliver det særligt vigtigt at forstå teknologiens stærke evner og begrænsninger. Kan kunstig intelligens virkelig introducere helt nye forretningsmodeller, eller er disse forventninger rod i fordomme?

Som altid ligger det sande svar et sted imellem.

Hver teknologisk revolution er fulgt af en transformation af jobroller og arbejdsrutiner. Udviklingen af AI lovede at ændre arbejdspladser og drive samfundsændringer. Men det viste sig, at AI ikke havde den indvirkning på samfundet, som forventet, men samfundet kan og skal påvirke AI.

Den langsomme udvikling af LLM og de konstante rapporter om AI hallucinationer gør det klart, at de AI-systemer, vi kender i dag, ikke er perfekte — de leverer ikke, hvad der var forventet, og udviklerne ved det. Det er vigtigt at forstå, at problemet ikke er kunstig intelligens, men hypen omkring det. I stedet for at slow down og fokusere på at forbedre eksisterende funktioner, startede udviklerne med at sigte efter det næste mål. Som resultat blev mange potentielle problemer overset og ikke udforsket, hvilket medførte mange problemer, såsom at Google oplevede en 100 milliarder aktieafgang, fordi dens Bard AI fremkom med en faktuel fejl, som ingen havde tjekket.

Disse resultater viser, at hvis AI har brug for kontrol og overvågning for at udføre grundlæggende opgaver, er det for tidligt at stole på det med komplicerede opgaver. Mange jobroller kræver dyb indsigt, kritisk tænkning og fleksibilitet, som kunstig intelligens mangler — og det vil ikke ændre sig i nær fremtid.

Som den tidligere leder af AGI-readiness-gruppen hos OpenAI sagde, vil den virkelige effektivitet af AI være resultatet af en robust dialog mellem virksomheder, regeringer, brancher, fagfolk og borgere. For tiden er denne dialog endnu ikke startet, og den vil kræve fuld deltagelse fra alle berørte parter.

AI i forretningsmodeller: udforskning af den nuværende værdi

Selv om æraen for AI-drevne forretningsmodeller ikke er noget, vi skal forvente i løbet af et eller to år, kan man ikke benægte, at kunstig intelligens har haft en betydelig indvirkning på, hvordan virksomheder opererer og håndterer deres arbejdsprocesser.

I almindelighed handler det hele om tre understøttende søjler i enhver virksomhed:

1. Dataanalyse

Jo mere forbundet vi er, desto mere data kommer vores vej. Dette er særligt sandt for virksomheder — hvert år af forretningsrejser genererer mange datakilder, dokumenter, papirer og skærmbilleder. Hver af disse bidder tilbyder enorm værdi, men den skal først findes. For menneskelige eksperter ville det at udgrave og organisere alle disse data tage måneder, hvis ikke år. Men for kunstig intelligens er det en sag, der kan klares på få dage, hvis ikke sekunder. Ved at dykke dybt ned i store mængder af data, sortere dem og organisere dem — herunder uestrukturerede data — forbinder AI vigtig information med medarbejdere, beslutningstagere og direktører, sletter dataflaskehals og muliggør skarpere beslutningstagning på alle niveauer. Med AI bliver historien og det samlede overblik over virksomhedens rejse meget klarere, tilføjer mere sikkerhed og hjælper forretningsledere med at forstå, hvilke milepæle de er nået til, og hvor de skal være i fremtiden.

2. Personliggørelse af kundeinteraktioner

Med kundeoplevelsens kvalitet i USA, der rammer en rekordlav, er det aldrig været vigtigere for virksomheder at reducere respons tid, muliggøre personlige interaktioner og besvare kundes bekymringer så hurtigt som muligt. Men for at nå disse mål skal man tage imod hver enkelt bid af kundedata: demografi, købs historik, mærkeinteraktion hyppighed og mange andre faktorer. En opgave af denne skala er for stor for en call center eller support hold at håndtere, men det er en rutineaktivitet for en AI-assistent. Ved at arbejde sammen kan AI-drevne platforme og menneskelige medarbejdere levere overlegen kundeservice ved at researchere individuelle kunde historier og tilgodese deres specifikke behov. En sådan tilgang giver de niveauer af personliggørelse og empati, som kunder søger efter i en mærke, og styrker deres forhold til leverandøren og nærer loyalitet.

3. Risikostyring

Risikostyring er en konstant og uændret smertepunkt for virksomheder — og det vil altid forblive sådan. Jo mere intens forretningslandskabet er, desto flere scenarier skal direktører evaluere for at korrekt vurdere finansielle og reputationsrisici. Nogle evalueringer er baseret på kritisk tænkning og erfaring, mens andre kræver enorme mængder af historiske data for at afsløre mønstre. I sidstnævnte tilfælde tilbyder kunstig intelligens enorm hjælp ved at håndtere afvigelsesdetektering, identificere mønstre og detektere mistænkeligt adfærd. Disse evner lettelaster pres fra chefer, analytikere og direktører, så de kan identificere trusler, før de opstår — og forberede sig derefter.

Fremtiden for AI-forretningsmodeller: følg med for mere

Et af de vigtigste punkter at tage i betragtning er, at typerne af AI-drevne forretningsmodeller vil forblive udefinerede, indtil den fulde værdi af kunstig intelligens er opdaget. Med forretningsledere, der stadig er usikre på, hvordan de skal beregne AI-ROI, er der behov for udforskning og forskning.

Adoptionen af kunstig intelligens er ingen lille ændring; den introducerer en helt ny arbejdsproces. Derfor har forretningsledere brug for at opnå en god forståelse af denne proces, identificere dens KPI’er og bestemme, hvad der gør den anderledes end tidligere rutiner — og slutte transformationel værdi baseret på deres analyse.

For eksempel, i mange tilfælde, skaber AI ikke kun nye processer — den skaber nye processer, der tillader at nå ønskede resultater. Men for at maksimere værdien af disse resultater og lægge grundlag for helt nye modeller, har enhver virksomhed brug for tre integrale komponenter: processen, teknologien og menneskene, der bruger den.