อุปสรรคของ AI ไม่ใช่ความล้มเหลว แต่เป็นการล้มเหลวที่ช้าเกินไป

อุปสรรคของ AI ไม่ใช่ความล้มเหลว แต่เป็นการล้มเหลวที่ช้าเกินไป

ปัญญาประดิษฐ์ (AI) กำลังเปลี่ยนแปลงวิธีการดำเนินงาน สร้างสรรค์ และเติบโตขององค์กรทั่วโลก องค์กรต่างๆ ในอุตสาหกรรมต่างๆ ใช้ AI เพื่อปรับปรุงกระบวนการทำงาน อ_unlock ประสิทธิภาพใหม่ๆ และสนับสนุนการตัดสินใจที่รวดเร็วและมั่นใจยิ่งขึ้น ในขณะที่ AI กลายเป็นเครื่องยนต์หลักที่อยู่เบื้องหลังความสามารถในการผลิตสมัยใหม่ มันช่วยให้องค์กรบรรลุความคล่องตัวและขนาดที่มากขึ้น

อย่างไรก็ตาม แม้ว่า AI จะมีประโยชน์ที่วัดได้มากมาย แต่สิ่งที่ไม่คาดคิดก็เกิดขึ้น องค์กรหลายแห่งกำลังติดค้างอยู่ที่กำแพง แทนที่จะเร่งนวัตกรรม บางทีมกำลังติดอยู่ในความซับซ้อน การจัดการความเสี่ยง และความกลัวที่เพิ่มขึ้นของสิ่งที่ไม่รู้จัก

ทำไม? เพราะเราเข้าใจมันผิด

AI มักถูกเข้าใจผิดว่าเป็นเทคโนโลยีที่ต้องควบคุมอย่างสมบูรณ์ก่อนที่จะเชื่อถือได้ สิ่งนี้เกิดจากความเชื่อผิดๆ ที่ว่าความแน่นอนเป็นข้อกำหนดสำหรับความปลอดภัย แต่การตีความนี้พลาดประเด็นของ AI และวิธีที่มันสร้างมูลค่า AI เป็นเครื่องมือที่ปรับเปลี่ยนได้ซึ่งออกแบบมาเพื่อเรียนรู้และพัฒนาไปตามการใช้งาน การปฏิบัติต่อ AI เหมือนซอฟต์แวร์แบบดั้งเดิมเป็นการตีความที่ผิดพลาดเกี่ยวกับธรรมชาติและศักยภาพของมัน

ในการขับเคลื่อน AI อย่างรับผิดชอบ องค์กรหลายแห่งได้เปลี่ยนการบรรเทาความเสี่ยงให้เป็นปัญหาออกมา โดยไม่ตั้งใจ องค์กรต่างๆ ในอุตสาหกรรมต่างๆ ลังเลที่จะใช้ AI เว้นแต่พวกเขาจะสามารถวิเคราะห์ อธิบาย และให้เหตุผลทุกชั้นของกระบวนการตัดสินใจได้ ซึ่งมักจะเกินขอบเขตที่ไม่สมเหตุสมผล แม้ว่าการตรวจสอบระดับนี้จะสะท้อนถึงความตั้งใจที่ดีในการดูแลอย่างรอบคอบ แต่มันบ่อนทำลายวัตถุประสงค์ของ AI ซึ่งก็คือการเร่งความเข้าใจ การขยายทีม และการแก้ปัญหาในระดับใหญ่

มันถึงเวลาที่จะต้องปรับเปลี่ยนโดยการเปลี่ยนจากความต้องการการควบคุมทั้งหมดไปสู่แบบจำลองที่เน้นความยืดหยุ่น ความสามารถในการผลิต และความสามารถในการอธิบายได้โดยไม่หยุดนวัตกรรม

ความกลัวของกล่องดำขัดขวางความก้าวหน้า

ผู้คนมีความไม่สบายใจตามธรรมชาติเมื่อเผชิญกับระบบที่พวกเขาไม่เข้าใจอย่างเต็มที่ และเครื่องมือ AI โดยเฉพาะอย่างยิ่งโมเดลที่สร้างขึ้นขนาดใหญ่ มักจะทำงานในลักษณะที่ท้าทายการอธิบายได้ง่ายๆ ดังนั้นผู้นำหลายคนจึงตกอยู่ในกับดัก หากพวกเขาไม่สามารถอธิบายการตัดสินใจของ AI ได้อย่างเต็มที่ ระบบไม่สามารถเชื่อถือได้

ดังนั้น องค์กรหลายแห่งจึงออกแบบกระบวนการตรวจสอบที่ซับซ้อนเกินไป โดยเพิ่มชั้นการตรวจสอบข้ามฟังก์ชัน การตรวจสอบการปฏิบัติตามกฎระเบียบ และการตรวจสอบความสามารถในการอธิบายได้ แม้กระทั่งสำหรับการใช้งานที่มีความเสี่ยงต่ำ เมื่อทีมงานปฏิบัติต่อความสามารถในการอธิบายได้ว่าเป็นความจำเป็นในการเปิดกล่องดำทุกๆ กล่อง พวกเขาจะติดอยู่ในวงจรการตรวจสอบที่ไม่มีที่สิ้นสุด สิ่งนี้สร้าง “การ麻痺การดำเนินงาน” ซึ่งทีมงานกลัวที่จะทำอะไรผิดๆ ด้วย AI จนกระทั่งพวกเขาหยุดทำอะไรเลย ส่งผลให้ความก้าวหน้าลดลง โครงการต่างๆ ถูกขัดขวาง และสุดท้ายคือโอกาสที่สูญเสียไป

ปัญหาไม่ใช่ความตั้งใจเบื้องหลังระบบควบคุม แต่เป็นสมมติฐานที่ว่าการบรรเทาความเสี่ยงต้องเท่ากับการควบคุม ในทางปฏิบัติ การออกแบบระบบ AI สำหรับความยืดหยุ่นมากกว่าความสมบูรณ์แบบเป็นแนวทางที่มีประสิทธิภาพมากขึ้น กุญแจสำคัญคือการละทิ้งแนวทางแบบขั้นตอนไปสู่การคิดแบบผลลัพธ์

ความยืดหยุ่นใน AI หมายถึงการยอมรับว่าข้อผิดพลาดจะเกิดขึ้น และสร้างรั้วให้สามารถตรวจจับและแก้ไขข้อผิดพลาดเหล่านั้นได้ มันหมายถึงการเปลี่ยนการอภิปรายจากวิธีการป้องกันความล้มเหลวที่เป็นไปได้ทั้งหมดไปสู่วิธีการรับประกันการตรวจจับและ介入อย่างรวดเร็วเมื่อสิ่งต่างๆ ผิดปกติ

ระบบสมัยใหม่ส่วนใหญ่ถูกสร้างขึ้นด้วยความเข้าใจที่ว่าระดับบางอย่างของข้อผิดพลาดจะเกิดขึ้น ตัวอย่างเช่น เครื่องมือรักษาความปลอดภัยทางไซเบอร์ไม่คาดหวังให้เป็น 100% ที่ไม่สามารถเจาะระบบได้ พวกมันไม่ได้ออกแบบมาเพื่อให้เป็นเช่นนั้น แต่ถูกออกแบบมาเพื่อตรวจจับ ตอบสนอง และสร้างโพรโทคอลการกู้คืนอย่างรวดเร็วแทน ความคาดหวังเดียวกันนี้ควรใช้กับ AI

การเรียกร้องให้มีการมองเห็นอย่างสมบูรณ์ในทุกการตัดสินใจของ AI เป็นสิ่งที่ไม่สมจริงและอาจเป็นอุปสรรคต่อการสร้างมูลค่า องค์กรต่างๆ ควรสนับสนุน “ความสามารถในการอธิบายได้ที่ระดับแดชบอร์ด” ที่ให้ข้อมูลและความควบคุมที่เพียงพอในการตรวจจับข้อผิดพลาดและใช้มาตรการป้องกันโดยไม่ทำให้นวัตกรรมขององค์กรหยุดชะงัก

อย่าทำให้การนำ AI ไปใช้ซับซ้อนเกินไป

องค์กรควรยอมรับการทำงานร่วมกันอย่างเต็มที่ในการใช้งาน AI โดยไม่คำนึงถึงกรณีการใช้งาน การทำงานร่วมกันอย่างเต็มที่ไม่ใช่สิ่งรบกวน แต่เป็นการรับประกันการผสานรวมอย่างราบรื่นและปลดล็อกมูลค่าที่มากขึ้นในระบบต่างๆ ในอนาคต เราอาจเห็นกองทัพ AI ที่ทำงานร่วมกันเพื่อเป้าหมายร่วมกัน

มุมมองนี้คือการปรับขนาดความสามารถในการอธิบายให้เหมาะสมกับระดับความเสี่ยง เพื่อหยุดปฏิบัติต่อทุกกรณีการใช้งาน AI เหมือนกับการขับรถยนต์โดยไม่มีมือ ทีมงานสามารถบรรลุเป้าหมายนี้ได้โดยการออกแบบระบบ AI ที่มีประสิทธิภาพ มีความรับผิดชอบ และสอดคล้องกับเจตนาของมนุษย์ โดยไม่ทำให้การนำไปใช้ซับซ้อนเกินไป

กลยุทธ์ที่เป็นไปได้บางอย่าง ได้แก่:

• ใช้ AI ในที่ที่มนุษยันต้องดิ้นรน: ใช้ AI เพื่อเพิ่มการตัดสินใจของมนุษย์ในพื้นที่ที่ซับซ้อนและปริมาณมาก เช่น การจัดสรรทรัพยากร การจัดลำดับความสำคัญของงาน หรือการจัดการค้างอยู่ ซึ่งความเร็วและขนาดมีความสำคัญมากกว่าความแน่นอนสมบูรณ์
• กำหนดมาตรฐานความสำเร็จของ AI: แทนที่จะพยายามอธิบายโมเดลทุกๆ โมเดล ให้กำหนดว่าผลลัพธ์ที่ดีคืออะไร ระยะเวลามีการปรับปรุงหรือไม่? การทำงานซ้ำลดลงหรือไม่? ผู้ใช้ยอมรับคำแนะนำของ AI มากขึ้นหรือไม่? ตัวชี้วัดเหล่านี้ให้ภาพที่ชัดเจนยิ่งขึ้นว่า AI ทำงานได้ดีเพียงใด เมื่อเทียบกับการขุดคุ้ยรายละเอียดของวิธีการตัดสินใจของโมเดล
• กำหนดขีดความสามารถในการยอมรับผลลัพธ์ของ AI: ตั้งค่าความทนต่อผลลัพธ์ของ AI ที่สามารถยอมรับอัตโนมัติ ป้ายกำกับ หรือส่งไปยังทีมงานสำหรับการทบทวน และสร้างวงจรข้อเสนอแนะเพื่อช่วยให้ระบบเรียนรู้และปรับปรุงไปตามเวลา
• ฝึกอบรมทีมงานให้ถามคำถามที่ถูกต้อง: แทนที่จะทำให้ทุกทีมเป็นนัก专家ด้าน AI ให้เน้นการฝึกอบรมให้พวกเขาสอบถามคำถามที่ถูกต้อง เช่น ปัญหาใดที่ AI ถูกนำมาใช้เพื่อแก้ไข ความเสี่ยงใดที่สำคัญที่สุด และวิธีการติดตามประสิทธิผลจะดำเนินการอย่างไร
• ให้ความสำคัญกับการให้เหตุผลของมนุษย์: ระบบ AI ที่ดีที่สุดก็ยังได้รับประโยชน์จากการกำกับดูแลของมนุษย์ สร้างกระบวนการทำงานที่ช่วยให้ผู้คนสามารถตรวจสอบ ตรวจสอบความถูกต้อง หรือบันทึก AI ได้ เพื่อสร้างความรับผิดชอบร่วมกัน

แนวทางนี้สามารถเปรียบได้กับการขับรถยนต์ ส่วนใหญ่ของเราจะไม่เข้าใจว่าเกียร์ทำงานอย่างไร ว่าเชื้อเพลิงเผาไหม้เพิ่มความเร็วได้อย่างไร หรือเซ็นเซอร์ตรวจจับรถยนต์ใกล้ๆ ได้อย่างไร แต่สิ่งที่เราพึ่งพาคือแดชบอร์ด ซึ่งเป็นอินเทอร์เฟซที่เรียบง่ายที่ให้ข้อมูลที่เราต้องการเพื่อขับรถอย่างปลอดภัย เช่น ความเร็ว ระดับน้ำมัน และการเตือนการบำรุงรักษา

ระบบ AI ควรได้รับการกำกับดูแลในลักษณะเดียวกัน เราไม่จำเป็นต้องเปิดฝากระโปรงทุกครั้งที่เครื่องยนต์ทำงาน สิ่งที่จำเป็นคือชุดตัวชี้วัดที่ชัดเจนที่แสดงว่าเมื่อใดที่สิ่งใดผิดปกติ ที่ไหนที่การแทรกแซง củaมนุษย์อาจจำเป็น และขั้นตอนต่อไปคืออะไร โมเดลนี้ช่วยให้องค์กรสามารถมุ่งเน้นไปที่การกำกับดูแลที่สำคัญโดยไม่ต้องจมอยู่ในความซับซ้อนของเทคนิค

หยุดขัดขวางตัวเอง

AI จะไม่สมบูรณ์แบบ และหากองค์กรคาดหวังให้ AI มีมาตรฐานความสมบูรณ์แบบที่ทีมงานมนุษย์ไม่สามารถบรรลุได้ พวกเขาก็เสี่ยงต่อการพลาดโอกาสในการเปลี่ยนแปลงงาน การเร่งการตัดสินใจ และปลดล็อกศักยภาพทั่วทั้งองค์กร

โดยการเน้นความยืดหยุ่นมากกว่าการควบคุม การยอมรับความสามารถในการอธิบายได้ที่ระดับแดชบอร์ด และการปรับมาตรการกำกับดูแลให้เหมาะสมกับบริบท เราสามารถหยุดคิดมากเกี่ยวกับ AI และเริ่มสร้างความสำเร็จมากขึ้นด้วยมัน