Η Γνωσιακή Χωράφια που Δημιουργεί η Τεχνητή Νοημοσύνη είναι το Νέο Κενό Ασφάλειας. Δείτε Πώς να το Κλείσετε.

Οι εταιρείες τεχνολογίας κάνουν ένα οικείο στοίχημα: ότι η Τεχνητή Νοημοσύνη μπορεί να κάνει τη δουλειά γρηγορότερα και φθηνότερα από τους ανθρώπους. Ενώ σε πολλές περιπτώσεις αυτό μπορεί να είναι αλήθεια, χρησιμοποιείται επίσης ως εύκολη λύση για τις απολύσεις.

Σε μια αναφορά της PwC που μοιράστηκε νωρίτερα αυτό το έτος, 56% των διευθυντών είπαν ότι δεν είδαν κανένα σημαντικό οικονομικό όφελος από τις επενδύσεις τους στην Τεχνητή Νοημοσύνη μέχρι τώρα, και μόνο το 12% ανέφερε ότι είδαν οικονομίες και αύξηση εσόδων από την Τεχνητή Νοημοσύνη. Επιπλέον, μια μελέτη του Εθνικού Γραφείου Οικονομικής Έρευνας τον Φεβρουάριο βρήκε ότι 几乎 90% των εταιρειών είπαν ότι η Τεχνητή Νοημοσύνη δεν είχε κανένα αντίκτυπο στην απασχόληση ή την παραγωγικότητα τα τελευταία τρία χρόνια. Αυτό υπογραμμίζει μια αποκαλυπτική αλήθεια: πολλές οργανώσεις δεν έχουν ακόμη δει τα έσοδα και την παραγωγική απόδοση που αρχικά υποσχέθηκε η Τεχνητή Νοημοσύνη, και για να καλύψουν τις ζημιές τους, συνεχίζουν να κόβουν χιλιάδες από την εργατική δύναμη.

Αλλά αυτό που δεν λένε οι τηλεφωνικές κλήσεις κερδών: όταν αφαιρείτε τον διαχειριστή λογαριασμού που φέρει δέκα χρόνια σχέσεων σε κεφάλι, ή τον μηχανικό ελέγχου ποιότητας της οποίας η γνώση του ιδρύματος είναι το μόνο που πιάνει τις ελαττώματα πριν φτάσουν στους πελάτες, δεν κόβετε λίπος. Κόβετε φορτισμένα τοιχώματα. Οι ζημιές ανακατασκευής, η απώλεια πελατών, οι αποτυχίες ποιότητας που ακολουθούν σπάνια εμφανίζονται στο ίδιο deck που γιόρτασε τη μείωση του προσωπικού. Πιάνουν σιωπηλά απορροφημένα σε μελλοντικά τρίμηνα, αποδοθούν σε συνθήκες αγοράς και ξεχαστούν. Το κενό μεταξύ того που υποσχέθηκε η αναδιάρθρωση της Τεχνητής Νοημοσύνης και τι πραγματικά προσφέρει είναι πραγματικό, μεγαλώνει και για πολλές οργανώσεις παραμένει εντελώς αναγνωρισμένο.

Οι πραγματικές κόστος αυτού του κύκλου δεν προσγειώνονται σε ένα σημείο. Διασκορπίζονται σε κάθε ομάδα που μένει μετά τις περικοπές. Οι αναπτυξιακοί απορροφούν το έργο των μηχανικών που έχουν φύγει, ενώ ταυτόχρονα τους δίνονται εργαλεία Τεχνητής Νοημοσύνης που είναι ακόμη πολύ ανώριμα για να компενσάρουν την απώλεια του προσωπικού. Οι ομάδες προϊόντων χάνουν το контекст που διατηρούσε τους δρόμους εναρμονισμένους με την πραγματικότητα του πελάτη. Οι οργανώσεις υποστήριξης είναι τεντωμένες και η ποιότητα απόκρισης υποβαθμίζεται καθώς οι πελάτες αναγνωρίζουν αμέσως τις “σκασμένες” απαντήσεις στα εισιτήριά τους. Το βάρος δεν είναι συγκεντρωμένο, είναι κατανεμημένο, και αυτή η διάχυση είναι μέρος του τι το κάνει τόσο εύκολο να το αγνοήσετε σε μια τριμηνιαία αναφορά. Αλλά μέσα σε αυτήν την ευρύτερη διάχυση, οι ομάδες IT αντιμετωπίζουν ένα διακριτό και συσσωρευμένο πρόβλημα. Δεν κάνουν μόνο περισσότερα με λιγότερα. Ζητούνται να διαχειριστούν υποδομή που χτίστηκε γρήγορα, χωρίς τη γνώση του ιδρύματος που της έδωσε συνάφεια, ενώ ταυτόχρονα εκτελούν την αποσύνδεση των αποχωρούντων συναδέλφων και την ένταξη των αντικαταστατών τους καθώς οι εταιρείες σιωπηλά αναστρέφουν τις περικοπές που γιόρταζαν δημόσια.

Όσο συνεχίζουμε μέσα στο έτος, και οι οργανώσεις προσπαθούν να εκπληρώσουν τις υποσχέσεις της Τεχνητής Νοημοσύνης, είναι ώρα να συνειδητοποιήσουμε ότι υπάρχει πολύ περισσότερο από έσοδα που χάνεται όταν κόβετε ανθρώπινη εμπειρία με το όνομα της αποτελεσματικότητας της Τεχνητής Νοημοσύνης. Τα καλά νέα; Μπορείτε να έχετε το καλύτερο και από τα δύο. Αλλά αυτό απαιτεί να λάβετε μια πιο πρακτική, πραγματιστική προσέγγιση στην Τεχνητή Νοημοσύνη. Μια που διατηρεί τους ανθρώπους στο κέντρο της στρατηγικής σας.

Τι χάνεται όταν η γνώση βγάζει την πόρτα

Κρίσιμη λειτουργική γνώση ζει στους ανθρώπους και εφαρμόζεται μέσω ανθρώπινης κρίσης, όχι συστήματα. Όταν αυτοί οι άνθρωποι φύγουν, η γνώση φεύγει μαζί τους. Ανεξάρτητα από το πόσο εξελιγμένο το μοντέλο, η Τεχνητή Νοημοσύνη δεν μπορεί να γεμίσει αυτό το κενό σήμερα.

Ακόμη και καθώς οι ικανότητες της Τεχνητής Νοημοσύνης επεκτείνονται, η αυτοματοποίηση χωρίς νουανσέ контекστ δημιουργεί επικίνδυνες τυφλές κενές σε κρίσιμες περιοχές:

• Κρίση και στρατηγική: Η直觉, η γνώση του ιδρύματος και η επίγνωση της αγοράς δεν ζουν ομαλά σε σύνολα δεδομένων, ακόμη και μη δομημένα.
• Κοντεκστ και κατάσταση ενημέρωσης: Οι άνθρωποι αναγνωρίζουν νουανσέ, πρόθεση και μπορούν να πλοηγηθούν στα γκρίζα περιοχές όπου οι αυστηροί κανόνες μπορεί να σπάσουν.
• Εμπάθεια και εμπιστοσύνη: Ύψιστης επίδρασης ή συναισθηματικά φορτισμένα момέντα (ειδικά αυτά που αφορούν πελάτες ή υπαλλήλους) απαιτούν ανθρώπινη κεντρική απόκριση.
• Επίβλεψη και ευθύνη: Κάποιος πρέπει να έχει ανατεθεί να αναγνωρίζει αποτυχίες, προκατάληψη ή να προηγείται της δυσπίστησης. Απλά λέγοντας, “Έχεις δίκιο, ας το ξαναπροσπαθήσουμε”, μετά από να παρέχετε εντελώς λάθος πληροφορίες δεν είναι αρκετό.
• Γνώση του ιδρύματος και συστημική κατάσταση: Κατανόηση του γιατί οι ομάδες χτίσανε την υποδομή με ένα bestimm τρόπο (ή δεν), τι έχουν δοκιμάσει πριν, και τι περιπτώσεις υπάρχουν που κανείς δεν έχει τεκμηριώσει.
• Ηγεσία και διακυβέρνηση: Ορισμός πολιτικής, ανεκτικότητα κινδύνου και προσκόλληση σε ηθικά όρια παραμένει μια θεμελιώδη ανθρώπινη ευθύνη.

Η Τεχνητή Νοημοσύνη μπορεί να επιφέρουν ερευνών, να προτείνουν δράσεις και να επιταχύνουν την εκτέλεση, αλλά δεν μπορεί να αντικαταστήσει τη γνώση του ιδρύματος που προλαμβάνει τις καταστροφές ή να προσφέρει την ευθύνη που τις πιάνει πριν σπείρουν.

Τι κάνουν διαφορετικά οι έξυπνες οργανώσεις

Οι οργανώσεις που επιτυγχάνουν με την Τεχνητή Νοημοσύνη δεν αφαιρούν τους ανθρώπους από την εξίσωση. Χρησιμοποιούν την Τεχνητή Νοημοσύνη για να ροκανίσουν τις руτίνες, επαναλαμβανόμενες διαδικασίες που προστίθενται τριβές στις καθημερινές λειτουργίες. Απελευθερώνοντας τους ανθρώπους να αφιερώσουν χρόνο και άλλα κρίσιμα πόρους αλλού για να βρουν νέους δημιουργικούς τρόπους για να οδηγήσουν μεγαλύτερα επιχειρηματικά οφέλη. Χρησιμοποιούν την Τεχνητή Νοημοσύνη ως ένα “τρέχουν-με” εργαλείο για να force-αυξήσουν. Σκεφτείτε τον κόσμο των IT λειτουργιών. Αυτές οι ομάδες είναι ήδη τεντωμένες, διαχειριζόμενες επεκταμένες υποδομές με περιορισμένα μέσα. Η Τεχνητή Νοημοσύνη, ή μάλλον πιο συγκεκριμένα, η μηχανική μάθηση (ML), μπορεί να προσφέρει πραγματική αξία εδώ. Η Τεχνητή Νοημοσύνη/ML μπορεί να αυτοματοποιήσει προηγουμένως χρονοβόρες, руτίνες εργασίες που θάψουν πολύτιμους, ειδικούς σε θέματα λειτουργιών σε λειτουργική δουλειά:

Αυτές οι εργασίες αποτελούν τη βάση των IT λειτουργιών, αλλά καταναλώνουν τεράστιες ποσότητες χρόνου (ειδικά καθώς οι ψηφιακές ιδιοκτησίες των οργανισμών διευρύνονται, το τοπίο ευπάθειας μεταβάλλεται και οι υπάλληλοι αυξάνουν τις προσδοκίες για θετικές ψηφιακές εμπειρίες με τις συσκευές που χρησιμοποιούν για να εργαστούν). Όταν οι ομάδες αποτυγχάνουν να κάνουν τα βασικά καλά (διαχείριση ή παρακολούθηση αυτών των ικανοτήτων και διαδικασιών) επειδή είναι καλυμμένες, οι συνέπειες χτυπούν σκληρά: κατástasi, χαμένες ενημερώσεις, διαρροές δεδομένων, παραβιάσεις ασφαλείας.

Από την άλλη πλευρά, όταν χρησιμοποιείτε την Τεχνητή Νοημοσύνη καλά για να ροκανίσουν τη δουλειά σε αυτές τις περιοχές, δίνετε στους υπαλλήλους IT χρόνο να κάνουν αυτό που η Τεχνητή Νοημοσύνη δεν μπορεί: να καθαρίσουν το τεχνικό χρέος, να βελτιώσουν τις υπάρχουσες συστήματα και διαδικασίες, να ξαναχτίσουν για ανθεκτικότητα και να διατηρήσουν τη γνώση του ιδρύματος που διατηρεί τις κρίσιμες συστήματα σε λειτουργία. Αυτό είναι περισσότερο από απλή αποτελεσματικότητα. Είναι μείωση κινδύνου. Και αυτό ρίχνει μια πιο σταθερή βάση για μακροπρόθεσμη ανάπτυξη.

Παίρνοντας το δικαίωμα της υιοθέτησης της Τεχνητής Νοημοσύνης

Οι οργανώσεις που αρχίζουν με σκέψη εφαρμογή και υιοθέτηση της Τεχνητής Νοημοσύνης, ενώ επίσης προτεραιοποιούν την ασφαλή, αποτελεσματική ενεργοποίηση, βλέπουν (και θα συνεχίσουν να βλέπουν) μεγαλύτερα κέρδη από τις στρατηγικές της Τεχνητής Νοημοσύνης. Η βελτιστοποίηση δεν προέρχεται από το κόψιμο ανθρώπων.Προέρχεται από την επένδυση σε αυτούς, την ανασχεδιασμό των ροών εργασίας και την εκπαίδευση των ομάδων σχετικά με το πώς να χρησιμοποιήσουν καλύτερα την Τεχνητή Νοημοσύνη.

Αυτό πραγματικά δεν είναι καινούριο. Η τεχνολογία έχει προχωρήσει μέσω γενεαλογικών κύκλων για εκατοντάδες χρόνια. Κάθε φορά που επαναλαμβάνουμε τα ίδια λάθη. Επιστρέφουμε και προσπαθούμε να κάνουμε μια συγκεκριμένη πρόοδο ως panacea για ό,τι μας πονάει. Δεν υπάρχει έλλειψη πωλητών φαρμάκων εκεί έξω που θα εκμεταλλευτούν αυτήν την απελπισία, υπερβολικά υποσχόμενοι και εξαφανιζόμενοι πριν οι αποτελέσματα μπορέσουν να μετρηθούν. Η πραγματικότητα είναι ότι η Τεχνητή Νοημοσύνη/ML μπορεί να κάνει αυτό που έχουν κάνει πάντα οι υπολογιστές: να εκτελούν ορισμένες εργασίες με υψηλότερη ταχύτητα και ακρίβεια από έναν άνθρωπο. Αυτοί που βρίσκουν αυτές τις ευκαιρίες και εφαρμόζουν την Τεχνητή Νοημοσύνη με έναν πραγματιστικό, “τρέχουν-με” τρόπο, θα δουν πολύ γρήγορες επιστροφές στην επένδυσή τους. Πρακτικά, αυτό σημαίνει:

• Χρησιμοποιώντας την Τεχνητή Νοημοσύνη για να εξαφανίσει τις χαμηλής αξίας εργασίες, όχι τις υψηλής αξίας κρίσεις
• Σχεδιασμός ανθρώπινου-στο-βρόχο ροών εργασίας για την απο-κίνδυνο υψηλής επίδρασης αποφάσεων
• Ορισμός σαφών μονοπατιών ανέβασματος όταν τα συστήματα Τεχνητής Νοημοσύνης αποτυγχάνουν ή παράγουν αβέβαιες εξόδους
• Ανάθεση ρητής ιδιοκτησίας για αποφάσεις που οδηγούνται από την Τεχνητή Νοημοσύνη
• Εκπαίδευση των ομάδων να εξετάζουν την έξοδο της Τεχνητής Νοημοσύνης, όχι να την αποδέχονται τυφλά

Το πραγματικό κόστος του να το κάνεις λάθος

Ο τρέχων κύκλος της βιομηχανίας τεχνολογίας των μαζικών απολύσεων που ακολουθείται από σιωπηλή επαναπροσλήψη δεν είναι μια αλλαγή ταλέντου. Είναι μια μεταφορά κινδύνου. Οι οργανώσεις εμπορικά δεκαετίες γνώσης του ιδρύματος για quelques μήνες αυτοματοποιημένης ταχύτητας, και οι ηγέτες IT είναι αυτοί που μένουν να διαχειριστούν την πτώση όταν πρόκειται για διαχείριση της πτώσης.

Η Τεχνητή Νοημοσύνη προσφέρει πραγματικά κέρδη, αλλά αυτά τα κέρδη έχουν τη μεγαλύτερη αξία όταν χρησιμοποιείτε την Τεχνητή Νοημοσύνη για να διατηρήσετε και να αυξήσετε την εμπειρία, όχι να την αντικαταστήσετε. Οι εταιρείες που θα συνεχίσουν να ευημερούν στην εποχή της Τεχνητής Νοημοσύνης δεν είναι αυτές που κόβουν το βαθύτερο ή αναπτύσσουν τα περισσότερα εργαλεία Τεχνητής Νοημοσύνης. Είναι αυτές που χρησιμοποιούν σκέφθηκαν την Τεχνητή Νοημοσύνη για να αυτοματοποιήσουν τη μονότονη δουλειά και να αυξήσουν την ανθρώπινη δημιουργικότητα, συνεργασία και εμπειρία.

Διότι όταν το επόμενο σύστημα αποτυγχάνει, ή το επόμενο outage ή κυβερνοεπίθεση συμβεί, δεν θέλετε ένα ρομπότ ή μια μηχανή στο επίκεντρο της συστήματος αποκατάστασης ή επικοινωνίας πελάτη. Εκεί θα θέλετε (και θα χρειαστείτε) τον άνθρωπο με βαθιά ιστορικό контекστ και γνώση ακόμη στο κτίριο.

Εάν θέλουμε να ξεκλειδώσουμε το πλήρες δυναμικό της Τεχνητής Νοημοσύνης, είναι κρίσιμο να επικεντρωθούμε στο να αξιοποιήσουμε την Τεχνητή Νοημοσύνη για τις εργασίες που είναι μired σε μονοτονία, και να σταματήσουμε να τη χρησιμοποιούμε ως πρόφαση για κακή επιχειρηματική απόδοση.