Lukę wiedzy, którą tworzy sztuczna inteligencja, jest nową luką bezpieczeństwa. Oto jak ją zlikwidować.

Firmy technologiczne dokonują znajomej zakładu: że sztuczna inteligencja może wykonywać pracę szybciej i taniej niż ludzie. Chociaż w wielu przypadkach może to być prawdą, jest również wykorzystywana jako łatwy przycisk do zwolnień.

W raporcie PwC opublikowanym na początku tego roku, 56% dyrektorów generalnych powiedziało, że nie widzi znaczących korzyści finansowych ze swoich inwestycji w sztuczną inteligencję, a tylko 12% zgłosiło oszczędności kosztów i wzrost przychodu dzięki sztucznej inteligencji. Dodatkowo, w lutym bieżącego roku badanie przeprowadzone przez National Bureau of Economic Research wykazało, że prawie 90% firm powiedziało, że sztuczna inteligencja nie miała wpływu na zatrudnienie ani produktywność w ciągu ostatnich trzech lat. To wszystko podkreśla ujawniającą prawdę: wiele organizacji jeszcze nie widzi spodziewanych korzyści finansowych i wzrostu produktywności, obiecywanych przez sztuczną inteligencję, i aby pokryć swoje straty, nadal zwalniają tysiące pracowników.

Ale oto co nie jest mówione podczas rozmów o zyskach: kiedy eliminujesz menedżera konta, który posiada dziesięć lat kontekstu relacji w swojej głowie, lub inżyniera QA, którego wiedza instytucjonalna jest jedyną rzeczą, która łapie defekty przed tym, jak docierają do klientów, nie cięcie tłuszczu. Cięcie nośnych ścian. Koszty ponownych prac, utrata klientów, awarie jakościowe, które następują po tym, rzadko pojawiają się na tym samym slajdzie, który celebrował redukcję zatrudnienia. Zostają cicho wchłonięte w przyszłych kwartałach, przypisane do warunków rynkowych i zapomniane. Przerwa między tym, co obiecuje restrukturyzacja napędzana przez sztuczną inteligencję, a tym, co naprawdę dostarcza, jest realna, rośnie i dla wielu organizacji pozostaje całkowicie nieuznana.

Rzeczywiste koszty tego cyklu nie lądują w jednym miejscu. Rozprzestrzeniają się na każdy zespół, który pozostaje po cięciach. Deweloperzy absorbują pracę inżynierów, którzy odeszli, jednocześnie otrzymując narzędzia sztucznej inteligencji, które są jeszcze zbyt niedojrzałe, aby zrekompensować utraconą głową. Zespoły produktowe tracą kontekst, który utrzymywał mapy drogowe w gruntownej rzeczywistości klienta. Organizacje wsparcia są rozciągnięte i jakość odpowiedzi się pogarsza, gdy klienci natychmiast rozpoznają “słabość” odpowiedzi na ich bilety. Ciężar nie jest skoncentrowany, jest rozproszony, a to rozproszenie jest częścią tego, co sprawia, że tak łatwo go zignorować w raporcie kwartalnym. Ale w ramach tego szerszego rozprzestrzenienia, zespoły IT stają twarzą w twarz z wyjątkową i kumulatywną wersją problemu. Nie robią więcej z mniej. Są proszeni o zarządzanie infrastrukturą, która została zbudowana szybko, bez wiedzy instytucjonalnej, która dawała jej spójność, jednocześnie wykonując odłączanie odejścia kolegów i włączanie ich zastępców, gdy firmy cicho zmieniają kurs cięć, które publicznie celebrowały.

Gdy będziemy kontynuować przez rok, a organizacje będą starały się dotrzymać obietnic sztucznej inteligencji, jest już czas, aby zrozumieli, że znacznie więcej niż tylko przychód zostaje utracone, gdy cięcie ludzkiej ekspertyzy w imię wydajności sztucznej inteligencji. Dobra wiadomość? Możesz mieć najlepsze z obu światów. Ale wymaga to przyjęcia bardziej praktycznego, pragmatycznego podejścia do sztucznej inteligencji. Jednego, które utrzymuje ludzi w centrum Twojej strategii.

Czego tracimy, gdy wiedza wychodzi za drzwi

Krytyczna wiedza operacyjna mieszka w ludziach i jest stosowana przez ludzkie osądy, a nie systemy. Gdy ci ludzie odchodzą, ta wiedza odchodzi z nimi. Niezależnie od tego, jak zaawansowane jest modelowanie, sztuczna inteligencja nie może wypełnić tej luki dzisiaj.

Nawet gdy możliwości sztucznej inteligencji się rozwijają, automatyzacja bez nuansowanego kontekstu tworzy niebezpieczne punkty ślepe w krytycznych obszarach:

• Osądy i strategia: Intuicja, wiedza instytucjonalna i świadomość rynku nie mieszczą się ładnie w zestawach danych, nawet nieustrukturyzowanych.
• Kontekst i świadomość sytuacyjna: Ludzie rozpoznają nuans, intencję i mogą nawigować w szarych obszarach, gdzie sztywne reguły mogą się załamać.
• Empatia i zaufanie: Chwile o wysokim wpływie lub emocjonalnym ładunku (szczególnie te, które dotyczą klientów lub pracowników) wymagają odpowiedzi ukierunkowanej na człowieka.
• Nadzór i odpowiedzialność: Ktoś musi być odpowiedzialny za identyfikowanie niepowodzeń, uprzedzeń lub wyprzedzanie dezinformacji. Po prostu mówienie: “Masz rację, spróbuję to jeszcze raz”, po dostarczeniu całkowicie niepoprawnych informacji, nie wystarcza.
• Pamięć instytucjonalna i kontekst systemu: Zrozumienie, dlaczego zespoły zbudowały infrastrukturę w określony sposób (lub nie), co próbowali wcześniej, i jakie przypadki krawędzi istnieją, których nikt nie udokumentował.
• Przywództwo i zarządzanie: Definiowanie polityki, tolerancji ryzyka i przestrzeganie granic etycznych pozostaje podstawową odpowiedzialnością ludzką.

Sztuczna inteligencja może ujawniać spostrzeżenia, rekomendować działania i przyspieszać wykonanie, ale nie może zastąpić pamięci instytucjonalnej, która zapobiega katastrofom, ani oferować odpowiedzialności, która łapie je, zanim zaczną się kręcić.

Czego robią inaczej inteligentne organizacje

Organizacje, które odnoszą sukces ze sztuczną inteligencją, nie usuwają ludzi z równania. Wykorzystują sztuczną inteligencję do usprawnienia rutynowych, powtarzalnych procesów, które dodają tarcie do codziennych operacji. Uwalniając ludzi, aby poświęcili czas i inne krytyczne zasoby gdzie indziej, aby znaleźć nowe kreatywne sposoby na większe korzyści biznesowe. Wykorzystują sztuczną inteligencję jako narzędzie “wyścigu z” w celu wymuszenia wzmocnienia. Rozważmy świat operacji IT. Te zespoły są już rozciągnięte, zarządzając rozległą infrastrukturą z ograniczonymi środkami. Sztuczna inteligencja, a może bardziej dokładnie, maszyna learningowa (ML), może dostarczyć prawdziwą wartość tutaj.

Sztuczna inteligencja/ML może zautomatyzować dawniej czasochłonne, rutynowe zadania, które grzebią cenne, specjalistyczne ekspertów w operacyjnej pracy: testowanie łat i badań, klasyfikację biletów, generowanie przepływu pracy, odkrywanie i mapowanie ryzyka.

Te zadania tworzą podstawę operacji IT, ale pochłaniają ogromne ilości czasu (szczególnie gdy cyfrowe majątki organizacji się rozszerzają, krajobraz podatności się zmienia, a pracownicy coraz bardziej oczekują pozytywnych cyfrowych doświadczeń z urządzeniami, których używają do pracy). Gdy zespoły nie radzą sobie z podstawami dobrze (zarządzając lub monitorując te możliwości i procesy) z powodu tego, że są “pod wodą”, konsekwencje uderzają mocno: przestoje, brakujące łaty, wycieki danych, naruszenia bezpieczeństwa.

Z drugiej strony, gdy używasz sztucznej inteligencji dobrze, aby usprawnić pracę w tych obszarach, dajesz personelowi IT czas, aby zrobić to, czego sztuczna inteligencja nie może: oczyścić dług techniczny, poprawić istniejące systemy i procesy, przebudować na wytrzymałość i zachować wiedzę instytucjonalną, która utrzymuje krytyczne systemy w działaniu. To więcej niż tylko wydajność. To mitigacja ryzyka. I to ustanawia bardziej stabilne podstawy dla długoterminowego wzrostu.

Prawidłowe przyjęcie sztucznej inteligencji

Organizacje, które zaczynają od przemyślanego zastosowania i przyjęcia sztucznej inteligencji, jednocześnie priorytetowo traktując bezpieczne, skuteczne włączanie, będą widzieć (i będą nadal widzieć) większe zwycięstwa ze swoich strategii sztucznej inteligencji. Optymalizacja nie pochodzi z cięcia ludzi.Pochodzi z inwestowania w nich, przebudowywanie przepływów pracy i edukowania zespołów w zakresie najlepszego wykorzystania sztucznej inteligencji.

To naprawdę nie jest nowe. Technologia rozwija się przez generacyjne cykle od setek lat. Każdy raz powtarzamy te same błędy. Przesadzamy i próbujemy uczynić konkretny postęp panaceum na wszystko, co nas bolące. Nie ma braku sprzedawców świec, którzy wykorzystają tę desperację, obiecując więcej, niż mogą dostarczyć, i znikają, zanim wyniki mogą być zmierzone. Rzeczywistość jest taka, że sztuczna inteligencja/ML może wykonywać pewne zadania z wyższą prędkością i dokładnością niż człowiek. Ci, którzy znajdują te okazje i stosują sztuczną inteligencję w sposób pragmatyczny, “wyścigowy”, zobaczą bardzo szybkie zwroty z inwestycji. Praktycznie, oznacza to:

• Wykorzystywanie sztucznej inteligencji do eliminacji zadań o niskiej wartości, a nie wysokiej wartości osądu
• Projektowanie przepływów pracy z ludźmi w pętli dla podejmowania decyzji o wysokim wpływie
• Definiowanie wyraźnych ścieżek eskalacji, gdy systemy sztucznej inteligencji zawodzą lub produkują niepewne wyniki
• Przypisywanie jawnej własności decyzjom napędzanym przez sztuczną inteligencję
• Szkolenie zespołów w zakresie krytycznego podejścia do danych wyjściowych sztucznej inteligencji, a nie ich bezwzględnego akceptowania

Rzeczywisty koszt popełnienia błędu

Obecny cykl branży technologicznej, charakteryzujący się masowymi zwolnieniami, a następnie cichym ponownym zatrudnieniem, nie jest zmianą talentów. To przeniesienie ryzyka. Organizacje handlują dekadami pamięci instytucjonalnej za kilka miesięcy zautomatyzowanej prędkości, a liderzy IT są tymi, którzy zostają z zarządzaniem skutkami.

Sztuczna inteligencja oferuje prawdziwe korzyści, ale mają one największe znaczenie, gdy używa się sztucznej inteligencji do zachowania i wzmocnienia ekspertyzy, a nie jej zastąpienia. Firmy, które będą nadal prosperować w erze sztucznej inteligencji, nie są tymi, które cięcia są najgłębsze lub wdrożenia najwięcej narzędzi sztucznej inteligencji. Są to te, które przemyślanie wykorzystują sztuczną inteligencję do zautomatyzowania monotonii i wzmocnienia ludzkiej kreatywności, współpracy i ekspertyzy.

Ponieważ gdy następny system zawiedzie lub nastąpi następna awaria lub incydent bezpieczeństwa, nie chcesz, aby na pierwszym planie była maszyna lub robot, czyli system naprawy systemu lub komunikacji z klientem. To tam chcesz (i potrzebujesz) osobę z głębokim kontekstem historycznym i wiedzą, która wciąż jest w budynku.

Jeśli chcemy odblokować pełny potencjał sztucznej inteligencji, jest kluczowe, aby skoncentrować się na wykorzystaniu sztucznej inteligencji do zadań, które są pogrążone w monotonii, i przestać używać jej jako wymówki za słabe wyniki biznesowe.