Ηγέτες σκέψης
Από την Изоляция στην καινοτομία – Πώς οι εταιρείες μπορούν να αξιοποιήσουν την τεχνητή νοημοσύνη για το κοινωνικό καλό

Η εκρηκτική ανάπτυξη της τεχνητής νοημοσύνης έχει γίνει ένας άγκυρος για τις επιχειρήσεις που αγωνίζονται να εξελιχθούν και να ανταγωνιστούν σε ένα όλο και πιο ταραχώδη κόσμο. Για πολλές, η εισαγωγή της έχει δει τεράστια επένδυση σε έργα τεχνητής νοημοσύνης σε όλο τον κόσμο, έχει αναπτυχθεί σχεδόν παντού σε τμήματα κάθε βιομηχανίας και έχει αναμορφώσει τις επιχειρήσεις, δημιουργώντας ένα πιο δυναμικό περιβάλλον εργασίας για τους υπαλλήλους που υποστηρίζει αντί να αντικαθιστά τους. Η McKinsey αναφέρει ότι το 92% των εταιρειών σκοπεύουν να επενδύσουν περισσότερο στην τεχνητή νοημοσύνη τα επόμενα 3 χρόνια,所以 rõ ràng κάτι έχει κατακτήσει την коллекτική φαντασία μας.
Για να διατηρήσουμε μια μικρή προοπτική, το MIT δημοσίευσε πρόσφατα μια μελέτη που αποκάλυψε ότι το 95% των έργων τεχνητής νοημοσύνης που έχουν εφαρμοστεί μέχρι τώρα σε όλο τον κόσμο δεν κατάφεραν να ανταποκριθούν στις αρχικές τους υποσχέσεις ή να προσφέρουν απόδοση στην επένδυση που έγινε. Αυτό είναι αναμενόμενο, καθώς όλοι προσπαθούμε να κατανοήσουμε τι μπορεί πραγματικά να προσφέρει η τεχνητή νοημοσύνη και πού πρέπει να εφαρμοστεί αρχικά. Όπως με κάθε αναδυόμενη τεχνολογία, βρισκόμαστε στο αρχικό στάδιο της καμπύλης της υπεροπτικής και θα γίνουμε коллекτικά πιο έξυπνοι σχετικά με το πού να τη χρησιμοποιήσουμε πιο αποτελεσματικά σε ποια τμήματα μιας επιχείρησης, της οικονομίας και των κοινωνιών μας.
Αυτό δεν σημαίνει, ωστόσο, ότι οι εταιρείες δεν μπορούν να πάνε ένα βήμα παραπέρα και να πάνε πέρα από το δικό τους πεδίο να κάνουν μια διαφορά. Η γεννητική τεχνητή νοημοσύνη έχει αποδείξει ότι είναι ένα ισχυρό εργαλείο που βοηθά τους ανθρώπους και εμπλέκει τις φιλοδοξίες τους. Για εκείνους που επιδιώκουν να επεκταθούν, η παροχή κοινωνικής αξίας γίνεται όλο και πιο σημαντική για τους επενδυτές. Η απόδοση που δεν παράγει μόνο αριθμούς σε ένα τραπεζικό λογαριασμό όχι μόνο διεγείρει την ανάπτυξη αλλά αφήνει μια κληρονομιά που μπορεί να απολαύσει για τις γενιές που έρχονται. Εδώ είναι η ανάλυση μου για το πώς οι ηγέτες των εταιρειών μπορούν να πάρουν την πρωτοβουλία και να δουν τα πραγματικά οφέλη της τεχνητής νοημοσύνης.
1. Ξεκινήστε με ένα τοπικό πρόβλημα που κατανοείτε
Είναι πειστικό να στοχεύσετε σε μεγάλα έργα όπως η θεραπεία των παγκόσμιων ασθενειών ή η επίλυση της κλιματικής αλλαγής. Πριν ξεκινήσετε, η σημαντική επίδραση συχνά ξεκινάει από το τοπικό περιβάλλον. Οι εταιρείες είναι καλύτερα τοποθετημένες για να δημιουργήσουν μια διαρκή αλλαγή όταν εστιάζουν σε τοπικά ζητήματα που ήδη κατανοούν, είτε πρόκειται για εκπαίδευση, περιβαλλοντική βιωσιμότητα ή κοινοτική υγεία. Οι ηλικιωμένοι συγκεκριμένα λείπουν από σταθερή κοινωνική επαφή, οπότε η επένδυση σε πρωτοβουλίες για την υποστήριξη της φροντίδας και την επίλυση της μοναξιάς είναι ένα伟大的 βήμα.
Τι μπορείτε να κάνετε:
Διεξαγάγετε επαναλαμβανόμενες εργαστήρια με διατμηματικές ομάδες για να αναγνωρίσετε ένα τοπικό πρόβλημα που η εταιρεία σας είναι μοναδικά τοποθετημένη να αντιμετωπίσει. Για παράδειγμα, για να αντιμετωπίσουν την μοναξιά των ηλικιωμένων, οι υπάλληλοι σας μπορούν να οργανώσουν συναντήσεις καφέ. Η 할당ση μιας ημέρας ανά τρίμηνο για φιλανθρωπία ή εθελοντισμό είναι ένας εξαιρετικός τρόπος να αυξήσετε την ηθική και να κάνετε την εταιρεία σας πιο ελκυστική για τους μελλοντικούς πελάτες. Μόλις αναγνωρίσετε το πρόβλημα, συνεχίστε να συναντιέστε με τους εσωτερικούς και εξωτερικούς συμμετέχοντες και τους ενδιαφερόμενους για να διατηρήσετε την ορμή και να εφαρμόσετε αποτελεσματικά την αρχή της συνεχούς μάθησης για όλους.
2. Κτίστε με πραγματική κοινωνική εισροή, όχι υποθέσεις
Τα έργα τεχνητής νοημοσύνης συχνά αποτυγχάνουν να προσφέρουν επίδραση επειδή είναι χτισμένα σε ψευδείς υποθέσεις σχετικά με τι χρειάζονται οι κοινότητες και πώς μπορεί να αντιμετωπιστεί αυτή η ανάγκη. Εδώ είναι απαραίτητο να ξεκινήσετε με το “Γιατί” του Simon Sinek. Η συμμετοχή των πραγματικών bénéficiaries από την αρχή αποφεύγει αυτή την παγίδα και οδηγεί σε πιο αποτελεσματικές, χρηστικές και κλιμακωτές λύσεις. Ας εξετάσουμε μια συχνά παραμελημένη ομάδα – τους ηλικιωμένους ή άνω των 60 ετών. Για να χτίσετε κάτι χρήσιμο, πρέπει να τους εμπλέξετε στη συζήτηση συνεχώς κατά τη διάρκεια της εξέλιξης του έργου σας, όχι μόνο για να κατανοήσετε πώς μπορείτε να τους βοηθήσετε, αλλά και για να κατανοήσετε πώς αυτοί οι ηλικιωμένοι θα ήθελαν να αλληλεπιδράσουν με την προσφορά σας. Η θετική εμπλοκή και η προσιτότητα του χρήστη είναι κρίσιμες για να κάνουν οποιαδήποτε επένδυση σε τεχνολογία επιτυχημένη και αυτή η επένδυση σε πρωτοβουλίες κοινωνικής τεχνολογίας θα οδηγήσει σίγουρα σε επιχειρηματική ανάπτυξη που πραγματικά βοηθά ένα πολύ υποτιμημένο μέρος της κοινωνίας μας.
Τι μπορείτε να κάνετε:
Πριν σχεδιάσετε τίποτα άλλο, ορίστε τα ιδανικά προφίλ “πελάτη” και στη συνέχεια εργαστείτε μέσω διαδραστικών συνεδριών ακρόασης με αυτούς τους πελάτες, καθώς είναι μέρος κοινοτικών ομάδων, μη κερδοσκοπικών οργανισμών και τοπικών ηγετών. Χρησιμοποιήστε τις γνώσεις τους για να ορίσετε την δήλωση προβλήματος και την ιδανική λύση, θυμάστε ότι η λύση που αναγνωρίστηκε στην αρχή του έργου μπορεί να είναι khá διαφορετική καθώς το έργο ωριμάζει και εξελίσσεται. Αυτό το κρίσιμο βήμα, που επαναλαμβάνεται στο έργο, θα αποκαλύψει τυφλά σημεία και εμπόδια στην υιοθέτηση, καθώς και κρίσιμες λειτουργίες επιτυχίας που οι εσωτερικές ομάδες παραβλέπουν και τελικά θα διασφαλίσουν ότι το έργο θα προσφέρει την εντολή, οι “πελάτες” θα είναι ευχαριστημένοι και θα συνεχίσουν να επισκέπτονται και να συστήνουν το έργο σε φίλους και οικογένεια και η εταιρεία σας πραγματικά κάνει κάθε
3. Χρησιμοποιήστε ανοιχτά δεδομένα και μοιραστείτε τα αποτελέσματά σας
Τα έργα κοινωνικού καλού δεν πρέπει να ξεκινήσουν από το μηδέν. Πολλές κυβερνήσεις και μη κερδοσκοπικοί οργανισμοί δημοσιεύουν ανοιχτά datasets που μπορούν να χρησιμοποιηθούν για να προτυποποιήσουν λύσεις γρήγορα. Εξίσου σημαντικό: οι εταιρείες πρέπει να μοιράζονται πίσω τα δεδομένα και τα μοντέλα που αναπτύσσουν, βοηθώντας άλλους να χτίσουν πάνω στη δουλειά τους. Υπάρχει επίσης τεράστια αξία στις εταιρείες που εργάζονται μαζί σε έργα για το κοινωνικό καλό, πραγματικά είναι ένας πολλαπλασιαστής για τους bénéficiaries αρχικά και τελικά για την επιχείρηση που έχει δεσμεύσει πόρους, 1+1 μπορεί πραγματικά να ισούται με 3 και αυτό είναι εξαιρετικά καλά νέα.
Τι μπορείτε να κάνετε:
Αναθέστε μια ομάδα να εξερευνήσει ανοιχτά πύλες δεδομένων (όπως data.gov ή European Data Portal και το World Ethical Data Foundation). Για το έργο σας, δεσμευτείτε να κυκλοφορήσετε τουλάχιστον ένα ορατό ανοιχτό εργαλείο ή dataset. Αυτό ενθαρρύνει τη διαφάνεια και προσκαλεί τη συνεργασία πέρα από τα τείχη της εταιρείας σας. Το dataset πρέπει να είναι ελεύθερο από οποιαδήποτε εμπιστευτικά εταιρικά ή δεδομένα πελάτη, αυτό είναι ένα παρόν ζήτημα σε meisten LLMs, οπότε η αποφυγή οποιασδήποτε πιθανής παραβίασης πρέπει να είναι στην κορυφή της ατζέντας σας. Η πολιτική προστασίας δεδομένων και τα πρωτόκολλα ασφαλείας πρέπει ήδη να διατηρούν τα ευαίσθητα δεδομένα εντός του ασφαλούς τμήματος δεδομένων της εταιρείας σας. Τριπλό ελέγξτε πριν πατήσετε “παράδοση” αλλά επίσης μην παραιτηθείτε αν οι στάσεις ασφαλείας φαίνονται να περιορίζουν τα δεδομένα που μπορείτε να αξιοποιήσετε εσωτερικά – είναι πάντα καλύτερο να είναι ασφαλείς παρά να λυπάστε.
4. Εκμεταλλευτείτε τις προσωπικές страστίες των υπαλλήλων σας
Οι υπάλληλοι θέλουν να εργάζονται για εταιρείες που συνεισφέρουν θετικά στην κοινωνία και κατανοητά στις τοπικές τους κοινότητες – στην πραγματικότητα, όσο πιο κοντά στο σπίτι οι πρωτοβουλίες, τόσο μεγαλύτερη η εμπλοκή. Σύμφωνα με το ONS, το 92% των υπαλλήλων που εργάζονται σε μια εταιρεία με ισχυρή αίσθηση σκοπού θα ήταν πιο πιθανό να τη συστήσουν σε έναν αναζητητή εργασίας. Η αξιοποίηση αυτής της ενέργειας μπορεί να ξεκλειδώσει την καινοτομία που παραδοσιακές頂-down προσεγγίσεις παραβλέπουν.
Τι μπορείτε να κάνετε:
Δημιουργήστε einen εσωτερικό “τεχνητή νοημοσύνη για το κοινωνικό καλό” τύπου “hackathon” όπου οι υπάλληλοι, με την εμπλοκή των οικογενειών τους, προτείνουν ιδέες για λύσεις, προϊόντα ή ακόμη και υπηρεσίες. Ξεκινήστε μικρό, συνεχίστε να βελτιώνετε με ελεγχόμενα βήματα με μικρά προϋπολογισμό για πόρους τεχνητής νοημοσύνης και διασφαλίστε καλή τεχνική καθοδήγηση. Οι νικηφόρες ιδέες συχνά οδηγούν σε πιλοτικά προγράμματα που τελικά εξελίσσονται σε προϊόντα με δικά τους δικαιώματα και πρέπει να γιορτάσουμε και να ενθαρρύνουμε αυτό καθημερινά.
5. Συνεργαστείτε με μη κερδοσκοπικούς οργανισμούς και ερευνητικές ομάδες πανεπιστημίων για πιλοτικά προγράμματα
Πολλοί μη κερδοσκοπικοί οργανισμοί έχουν βαθιά γνώση των κοινωνικών ζητημάτων αλλά λείπουν από τεχνολογικούς πόρους. Οι εταιρείες και οι ερευνητικές ομάδες των πανεπιστημίων έχουν τεχνική εμπειρογνωσία και ερευνητική ριζικότητα αλλά είναι περιορισμένες στην εμπειρία στο έδαφος.
Τι μπορείτε να κάνετε:
Επιλέξτε einen μη κερδοσκοπικό συνεργάτη που ευθυγραμμίζεται με το επιλεγμένο ζήτημα. Προσφέρετε τους περισσότερα από χρήματα. Προσφέρετε τις υπηρεσίες σας παρέχοντας δεξιότητες τεχνητής νοημοσύνης, cloud πόρους ή υποστήριξη ανάλυσης δεδομένων. Ξεκινήστε με ένα περιορισμένο πιλοτικό πρόγραμμα (3-6 μήνες), μετρήστε την επίδραση και επαναλάβετε όταν έχετε αρχική επιτυχία.
6. Κάντε την υπεύθυνη τεχνητή νοημοσύνη την προεπιλογή, όχι μια μετάνοια
Η τεχνητή νοημοσύνη για το κοινωνικό καλό μπορεί να αποτύχει αν δεν σχεδιαστεί υπεύθυνα, ενισχύοντας τις προκαταλήψεις ή δημιουργώντας απρόβλεπτες συνέπειες. Η κατασκευή με υπεύθυνότητα από την αρχή αποφεύγει τους κινδύνους της φήμης και των λειτουργιών.
Τι μπορείτε να κάνετε:
Δομήστε απλές αλλά αποτελεσματικές φραγμούς όπως οι έλεγχοι προκαταλήψεων στα datasets, χρησιμοποιήστε τεχνικές εξηγητής τεχνητής νοημοσύνης ώστε οι εξόδους να μπορούν να κατανοηθούν εύκολα. Πρέπει επίσης να εφαρμόσετε διαφανείς κύκλους ανατροφοδότησης όπου οι κοινωνικοί συνεργάτες μπορούν να αναφέρουν ανησυχίες και νέες ιδέες (αυτό είναι πολύ Business as Usual για τις περισσότερες ευημερούσες εταιρείες. το-ignore στο κίνδυνο σας). Η Mozilla είναι ένα παράδειγμα εταιρείας που παίρνει την πρωτοβουλία με το πρόγραμμα Common Voice, καθιστώντας τη διαφάνεια το κανονικό.
7. Μετατρέψτε τα έργα κοινωνικού καλού σε εργαστήρια καινοτομίας
Τα έργα κοινωνικού καλού που αναπτύσσονται υπεύθυνα και ηθικά μπορούν να διπλασιαστούν ως “χώροι επώασης” για νέες τεχνικές τεχνητής νοημοσύνης και ακόμη και εγχώριες LLM’s. Οι εταιρείες μπορούν να χρησιμοποιήσουν αυτά τα έργα για να εξοικειώσουν το προσωπικό με την τεχνητή νοημοσύνη, να εξερευνήσουν προηγμένα μέθοδος ή ακόμη και να δοκιμάσουν εναλλακτικά επιχειρηματικά μοντέλα χωρίς άμεσες εμπορικές πιέσεις, απολαμβάνοντας τα οφέλη ενός τυπικού κύκλου ανάπτυξης προϊόντος.
Τι μπορείτε να κάνετε:
Μόλις επιλέξετε ένα ή δύο φαινομενικά βιώσιμα έργα και τα ηθικά και δεδομένα προστασίας είναι στη θέση τους και διασφαλισμένα, ξεκινήστε τις ομάδες. Ελέγξτε την πρόοδο τακτικά χωρίς να στερήσετε τα έργα και ετοιμαστείτε να σταματήσετε αμέσως αν υπάρχει οποιοσδήποτε κίνδυνος για ζημιά στους ανθρώπους που εμπλέκονται ή στην ευρύτερη κοινότητα.
8. Αναφέρετε την επίδραση με συγκεκριμένα μετρήσιμα στοιχεία
Ένας από τους ταχύτερους τρόπους να χάσετε credibilidade είναι να μιλάτε για “κάνετε καλό” χωρίς απόδειξη. Οι εταιρείες πρέπει να αναφέρουν ουσιαστικά αποτελέσματα, όχι μόνο προθέσεις, όπου οι συνεργασίες με ακαδημαϊκούς ιδρύματα καθώς και κοινοτικές ομάδες και μη κερδοσκοπικούς οργανισμούς συχνά βοηθούν πολύ στην επίτευξη των αριθμών. Οι ερευνητές, ειδικά οι μεταπτυχιακοί φοιτητές, πρέπει να παρέχουν πλήρη δεδομένα ως μέρος των έργων τους στους διδάσκοντες και καθηγητές και κατά την εμπειρία μου αυτό πραγματικά εστιάζει όλους τους πραγματικά ουσιαστικά αποτελέσματα
Τι μπορείτε να κάνετε:
Ορίστε σαφείς μετρήσιμους στόχους επίδρασης και ειδικά τι θα σημαίνει η επιτυχία σε κάθε στάδιο του έργου από την αρχή, π.χ. τόνους τροφίμων που σώζονται, κοινοτικές ομάδες που έχουν επηρεαστεί με xx οφέλη που έχουν επιτευχθεί σε YY κόστος χρόνου και χρημάτων. Μόλις ολοκληρωθεί το έργο, δημοσιεύστε μια συνοπτική αναφορά που περιγράφει τόσο τις επιτυχίες όσο και τις αποτυχίες και τις συστάσεις για το πώς το έργο μπορεί να συνεχιστεί ή να βελτιωθεί. Αυτή η διαφάνεια χτίζει εμπιστοσύνη με τους υπαλλήλους, τους πελάτες και τους ενδιαφερόμενους και είναι απαραίτητη αν θέλουμε να αποτρέψουμε τις κοινότητες και τους πολίτες να γίνουν “τεστ ποντίκια” της τεχνητής νοημοσύνης – μιλάμε για πραγματικούς ανθρώπους που πρέπει να αξιολογηθούν ως άτομα. πρέπει να τους αντιμετωπίσουμε με σεβασμό και να μην τους θεωρήσουμε αναλώσιμα ποντίκια σε κανένα τρόπο.
9. Αποφύγετε τις “μια φορά” πρωτοβουλίες
Πολλά εταιρικά προγράμματα κοινωνικού καλού είναι μια φορά προγράμματα που σβήνουν σε σύντομο χρονικό διάστημα. Η σημαντική επίδραση προέρχεται από την ενσωμάτωση της κοινωνικής ευθύνης σε μια βασική στρατηγική, ευθυγραμμισμένη με συγκεκριμένες αγορές ή ευρύτερες μακροχρόνιες πρωτοβουλίες.
Τι μπορείτε να κάνετε:
Προσθέστε κριτήρια τεχνητής νοημοσύνης για το κοινωνικό καλό στη ανασκόπηση του portofolio R&D. Αναθέστε ένα σταθερό ποσοστό (ακόμη και 5%) των πόρων τεχνητής νοημοσύνης προς έργα κοινωνικής επίδρασης ετησίως. Αυτό διασφαλίζει μακροχρόνια δέσμευση και μάθηση. Να είστε στρατηγικοί με τους πόρους που δοκιμάζετε. Η επένδυση πρέπει να προσφέρει απόδοση, ακόμη και αν φαίνεται αδύνατο. Χωρίς αυτή τη διαβεβαίωση, μπορείτε να σπαταλάτε χρήματα σε έργα που δεν τελικά εξυπηρετούν την εταιρεία σας ή τους πελάτες σας.
Γιατί αυτή η προσέγγιση έχει σημασία
Οι εταιρείες που πραγματικά ενσωματώνουν την τεχνητή νοημοσύνη για το κοινωνικό καλό δεν προσθέτουν απλά ένα “καλό” κεφάλαιο στην ετήσια αναφορά τους. Κτίζουν αξία ενισχύοντας τις κοινοτικές σχέσεις, ελκύοντας ιδρυτές με αποστολή, καλλιεργώντας υπεύθυνα αποτελεσματικές δεξιότητες τεχνητής νοημοσύνης εσωτερικά και δημιουργούν θετική διαφοροποίηση μάρκας σε πολυσύχναστους αγορές. Σε έναν κόσμο όπου το κοινό είναι όλο και πιο σκεπτικό για την εταιρική αξία, η διαρκή επίδραση μιλάει πιο γρήγορα από τις υποσχέσεις.
Αυτό δεν είναι μόνο για φιλανθρωπία. είναι για έξυπνη επιχείρηση με μια σημαντική κληρονομιά.
Οι εταιρείες που κάνουν μια διαφορά με την τεχνητή νοημοσύνη για το κοινωνικό καλό, δεν είναι απλά μια εταιρική φιλανθρωπία. είναι μια στρατηγική επιλογή που οδηγεί σε μια πιο ευημερούσα και βιώσιμη επιχείρηση.












