The Future of Work: Hur AI och automation omdefinierar jobbroller och affärsmodeller

I vår yrkesutövning har vi stött på två polariserade åsikter om AI och dess inverkan på jobbroller och affärsmodeller. Den ena sidan är oroad över att arbetslösheten stiger och att artificiell intelligens tar över, medan den andra tror att AI inte kommer att medföra några betydande förändringar och kommer att bli en bubbla.

As 64% av CIO:er sätter stora förhoppningar på att använda AI för att höja sin affärsverksamhet och utveckla företag, det blir särskilt viktigt att förstå teknikens starka kapacitet och begränsningar. Kan artificiell intelligens verkligen introducera helt nya affärsmodeller, eller är dessa förväntningar rotade i partiskhet?

Som alltid ligger det sanna svaret någonstans mittemellan.

Varje teknisk revolution har följts av en förändring av jobbroller och arbetsplatsrutiner. Utvecklingen av AI lovade att snabbt förändra arbetsplatser och driva på samhälleliga förändringar. Det visade sig att AI inte påverkade samhället som förväntat, men samhället kan och borde påverka AI.

Ocuco-landskapet sakta ner i LLM-utveckling och de kontinuerliga rapporterna om AI hallucinationer göra det klart att de AI-system vi känner till idag inte bara är långt ifrån perfekta – de levererar inte vad som förväntades, och utvecklarna vet det. Det är viktigt att förstå att problemet inte är med artificiell intelligens utan hypen runt den. Istället för att sakta ner och fokusera på att förbättra befintliga funktioner började utvecklarna sikta på nästa mål. Som ett resultat av detta förblev många potentiella problem underutforskade och förbisedda, vilket orsakade många problem, som att Google upplevde en $ 100 miljarder aktien tappade eftersom dess Bard AI gjorde ett faktafel som ingen kontrollerade.

Dessa resultat visar att om AI behöver kontroll och övervakning för att utföra grundläggande uppgifter, är det för tidigt att lita på det med komplicerade uppgifter. Många jobbroller kräver djup insikt, kritiskt tänkande och flexibilitet som artificiell intelligens saknar – och detta kommer inte att förändras inom kort.

Som den tidigare chefen för AGI-beredskapsgruppen på OpenAI sa, kommer den verkliga effektiviteten av AI att vara resultatet av en robust dialog mellan företag, regeringar, industriröster, proffs och medborgare. För närvarande har det här samtalet ännu inte kommit igång, och det kommer att kräva fullt deltagande från alla berörda.

AI i affärsmodeller: utforska det nuvarande värdet

Även om eran av AI-drivna affärsmodeller inte är något vi kan förvänta oss om ett eller två år, går det inte att förneka att artificiell intelligens avsevärt har påverkat hur företag fungerar och hanterar sina arbetsflöden.

I allmänhet kokar allt ner till tre stödpelare för alla företag:

1. Dataanalys

Ju mer anslutna vi är, desto mer data kommer vår väg. Detta gäller särskilt för företag – varje år av affärsresan genererar mängder av datapooler, dokument, papper och skärmbilder. Var och en av dessa bitar erbjuder ett enormt värde, men det måste hittas först. För mänskliga experter skulle det ta månader, om inte år, att bryta och organisera all denna data. Men för artificiell intelligens är det en fråga om dagar, om inte sekunder. Genom att dyka djupt in i stora mängder data, sortera ut dem och organisera dem – inklusive ostrukturerad data – kopplar AI viktig information till anställda, beslutsfattare och chefer, raderar dataflaskhalsar och möjliggör skarpare beslutsfattande på alla nivåer. Med AI blir historien och hela synen på företagsresan mycket tydligare, vilket ger mer säkerhet och hjälper företagsledare att inse vilka milstolpar de är på och var de behöver vara i framtiden.

2. Personalisering av kundinteraktioner

Med kundupplevelsekvalitet i USA slår en rekordlågt, att minska svarstiden, möjliggöra personliga interaktioner och ta itu med kunders problem så snabbt som möjligt har aldrig varit viktigare för företag. Men att uppfylla dessa mål innebär att man tar in varje enskild kunddata: demografi, köphistorik, varumärkesinteraktionsfrekvens och många andra faktorer. En uppgift i den skalan är för mycket för ett callcenter eller supportteam att hantera, men det är en rutinaktivitet för en AI-assistent. Genom att arbeta tillsammans kan AI-drivna plattformar och mänskliga anställda leverera överlägsen kundservice genom att omedelbart undersöka individuella kundhistorier och tillgodose deras specifika behov. Ett sådant tillvägagångssätt ger de nivåer av personalisering och empati som kunderna söker i ett varumärke, stärker deras relation med leverantören och främjar lojalitet.

3. Riskhantering

Riskhantering är en konstant och oföränderlig smärtpunkt för företag – och det kommer alltid att förbli så. Ju mer intensivt affärslandskapet är, desto fler scenarier behöver chefer utvärdera för att korrekt bedöma finansiella risker och ryktesrisker. Vissa utvärderingar är baserade på kritiskt tänkande och erfarenhet, medan andra kräver enorma mängder historisk data för att avslöja mönster. I det senare fallet erbjuder artificiell intelligens enorm hjälp genom att hantera anomalidetektering, identifiera mönster och upptäcka misstänkt beteende. Dessa förmågor lättar på trycket från chefer, analytiker och chefer, vilket gör att de kan identifiera hot innan de dyker upp – och förbereda sig därefter.

Framtiden för AI-affärsmodeller: håll utkik efter mer

En av de viktigaste punkterna att ta hänsyn till är att typerna av AI-drivna affärsmodeller kommer att förbli odefinierade tills det fulla värdet av artificiell intelligens upptäcks. Med företagsledare fortfarande i stängslet när det gäller att beräkna AI ROI, finns det ett behov av utforskning och forskning.

Antagandet av artificiell intelligens är ingen liten förändring; det introducerar ett helt nytt arbetsflöde. Därför måste företagsledare få en god förståelse för det arbetsflödet, identifiera dess KPI:er och bestämma vad som skiljer det från tidigare rutiner – och härleda transformationsvärde baserat på deras analys.

Till exempel, i många fall förbättrar AI inte bara företagsprocesser – det skapar nya som gör det möjligt att nå önskade resultat. Men för att maximera värdet av dessa resultat och lägga grunden för helt nya modeller skulle alla företag behöva tre integrerade komponenter: processen, tekniken och människorna som använder den.