Framtidens arbete: Hur AI och automatisering omdefinierar jobbroller och affärsmodeller

I vår professionella praktik har vi mött två polariserade åsikter om AI och dess påverkan på jobbroller och affärsmodeller. Den ena sidan är orolig för att arbetslöshetsnivåerna kommer att skjuta i höjden och att artificiell intelligens kommer att ta över, medan den andra sidan tror att AI inte kommer att medföra några betydande förändringar och kommer att visa sig vara en bubbla.

Som 64% av CIO:er sätter stora förhoppningar till att använda AI för att höja sina affärsverksamheter och utveckla företag, blir det särskilt viktigt att förstå teknikens starka förmågor och begränsningar. Kan artificiell intelligens verkligen introducera helt nya affärsmodeller, eller är dessa förväntningar rotade i fördomar?

Som alltid ligger det riktiga svaret någonstans däremellan.

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

Den långsammare utvecklingen av LLM och de kontinuerliga rapporterna om AI hallucinationer gör det tydligt att de AI-system vi känner till idag inte är perfekta — de levererar inte vad som förväntades, och utvecklarna vet om det. Det är viktigt att förstå att problemet inte ligger i den artificiella intelligensen, utan i den hype som omger den. Istället för att sakta ner och fokusera på att förbättra befintliga funktioner, började utvecklarna sikta mot nästa mål. Som ett resultat förblev många potentiella problem outredda och förbisedda, vilket orsakade många problem, såsom att Google upplevde en $100 miljarder aktiefall på grund av att dess Bard AI gjorde en faktamässig fel som ingen kontrollerade.

Detta 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 en snar framtid.

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, branschröster, proffs och medborgare. För närvarande har denna konversation ännu inte börjat, och den kommer att kräva fullt deltagande från alla berörda parter.

AI i affärsmodeller: utforskning av nuvarande värde

Medan eran av AI-drivna affärsmodeller inte är något vi kan förvänta oss inom ett eller två år, kan man inte förneka att artificiell intelligens har haft en betydande påverkan på hur företag opererar och hanterar sina arbetsflöden.

I allmänhet handlar allt om tre stödjande pelare för varje företag:

1. Dataanalys

Ju mer vi är anslutna, desto mer data kommer vår väg. Detta gäller särskilt för företag — varje år av företagets resa genererar multituder av datapooler, dokument, papper och skärmbilder. Var och en av dessa bitar erbjuder enormt värde, men det måste hittas först. För mänskliga experter skulle det ta månader, om inte år, att leta reda på och organisera all denna data. Men för artificiell intelligens är det en fråga om dagar, om inte sekunder. Genom att dyka djupt i stora volymer av data, sortera dem och organisera dem — inklusive ostrukturerad data — kopplar AI samman viktig information med anställda, beslutsfattare och chefer, suddar ut dataflaskhalsar och möjliggör skarpare beslutsfattande på alla nivåer. Med AI blir företagets historia och helhetsvy mycket tydligare, vilket lägger till mer säkerhet och hjälper affärsledare att förstå var de befinner sig och vart de behöver vara i framtiden.

2. Personanpassning av kundinteraktioner

Med kundupplevelsens kvalitet i USA som når en rekordlåg nivå, är det viktigare än någonsin att minska svarstiden, möjliggöra personanpassade interaktioner och hantera kundbekymmer så snabbt som möjligt. Men för att uppnå dessa mål måste man ta emot varje enskild bit av kunddata: demografi, köphistorik, varumärkesinteraktionsfrekvens och många andra faktorer. En uppgift av den här storleken är för stor 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 enskilda kundhistorier och hantera deras specifika behov. En sådan tillvägagångssätt erbjuder de nivåer av personanpassning och empati som kunder letar efter i ett varumärke, vilket stärker deras relation med leverantören och främjar lojalitet.

3. Riskhantering

Riskhantering är en konstant och oföränderlig smärtpunkt för företag — och den kommer alltid att förbli så. Ju intensivare affärslandskapet är, desto fler scenarier måste chefer utvärdera för att korrekt bedöma finansiella och ryktesmässiga risker. Vissa utvärderingar bygger 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 avvikelseupptäckt, identifiera mönster och upptäcka misstänkt beteende. Dessa förmågor lindrar trycket från chefer, analytiker och chefer, vilket möjliggör för dem att identifiera hot innan de uppstår — och förbereda sig därefter.

Framtiden för AI-affärsmodeller: håll utkik efter mer

En av de viktigaste punkterna att ta med i beräkningen är att typerna av AI-drivna affärsmodeller kommer att förbli odefinierade tills den fulla potentialen av artificiell intelligens upptäcks. Medan affärsledare fortfarande är osäkra på hur man beräknar 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 behöver affärsledare skaffa sig en god förståelse av detta arbetsflöde, identifiera dess KPI:er och bestämma vad som gör det annorlunda än tidigare rutiner — och härleda transformationellt värde baserat på deras analys.

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