П’ять причин, чому алгоритми штучного інтелекту можуть бути складними для впровадження в операційному управлінні

Автор: Євгенія Маліна, керівник відділу бізнес-стратегії та операцій в Харчова ракета.

Згідно з останніми дослідженнями Глобального інституту McKinsey, штучний інтелект готовий підвищити світовий економічний результат на $ 13 трлн. За 2030.

Однак це супроводжується власними проблемами та непередбаченими наслідками. Дещо з найпоширеніші ризики та виклики впровадження штучного інтелекту включають проблеми конфіденційності, нездатність узагальнювати та загальний брак довіри.

Нижче наведено три проблеми зі штучним інтелектом, які особливо впливають на операційне управління бізнесом.

1. Низька якість даних

Перше, що потрібно надійному алгоритму штучного інтелекту – це дані. Щоб правильно навчити алгоритм, ви повинні надати йому величезну кількість точних високоякісних даних. На жаль, не завжди легко отримати ці дані, і a Звіт Gartner за 2020 рік зазначає, що низька якість даних може коштувати вашій компанії близько 13 мільйонів доларів США щороку.

Наприклад, деякі процеси можуть взагалі не мати жодного цифрового сліду, коли ви вперше починаєте. У цих випадках немає даних для введення в алгоритм. Усе, що ви надаєте, є лише гіпотетичними припущеннями, що породжує дві проблеми.

По-перше, це знайомство значне людське упередження у ваш процес із самого початку. По-друге, це означає, що будь-які результати алгоритму є просто розширенням ваших найкращих припущень. Зрештою, це залишає вас уривчастою системою даних і ненадійним, нестабільним процесом прийняття рішень.

2. Навігація «холодного старту» та залучення працівників

Автоматизація чудово підходить для оптимізації існуючих процесів, але компромісом є «холодний старт». Саме тоді ви повинні розпочати процес без історичних даних, на яких штучний інтелект може базувати свою процедуру. У будь-якому випадку штучному інтелекту буде важко подолати цю перешкоду.

За даними Harvard Business Review, 80 і більше відсотків ІТ-команда часто витрачає час на вдосконалення та уточнення суперечливих даних для алгоритмів штучного інтелекту.

Часто потрібні значні людські зусилля, щоб допомогти штучному інтелекту подолати цей горб із «холодним стартом» і відновити безперебійну роботу.

З мого досвіду це може спричинити серйозні збої в управлінні постачанням, а також може коштувати компаніям значних доходів. Ми всі знаємо, що штучний інтелект ще недостатньо розвинений, щоб працювати з усіма аспектами операційної системи управління. Це означає, що будь-яке рішення ШІ, яке використовує ваша компанія, буде збігатися з процесами прийняття рішень людьми.

Хоча це може бути добре, це також може призвести до втрати почуття особистої відповідальності працівника. В деяких випадках, працівники відчувають, що можуть відмежуватися від прийняття рішення тому що «штучний інтелект зробив це».

Крім того, зазвичай впровадження нового алгоритму збігається зі значним падінням показників якості. З мого досвіду, цей парадокс є результатом того, що людина, яка раніше відповідала за метрику, відчуває, що тепер вона просто неважлива ланка в ланцюжку автоматизованого прийняття рішень.

Важливо керувати цим аспектом автоматизації, оскільки він може привести вашу команду на шлях незацікавленості та зниження відданості. Це також може завдати шкоди вашому бренду. Якщо штучному інтелекту залишити самостійно приймати рішення, він може мимоволі почати дискримінувати клієнтів певного віку, статі чи географічного розташування.

3. Проблеми з прозорістю та ефективним впровадженням

Кожен власник бізнесу знає, що все може змінитися миттєво. У компаній не завжди є час створити складне рішення ШІ для нової операції.

Насправді компанії набагато частіше відчувають дефіцит часу й змушені вирішувати проблему без допомоги автоматизації, оскільки налаштування нового процесу займає надто багато часу. Оскільки зазвичай немає часу на написання складних моделей, трапляється одне з двох.

По-перше, компанія може вибрати впровадження майже повного процесу, але додати проміжний крок вручну, поки процес не буде вдосконалено. У цьому випадку підприємства втрачають аж 80 відсотків розрахункової ефективності процесу.

Крім того, компанія може розгорнути SaaS, щоб пришвидшити процес впровадження. Хоча витрати часу та грошей будуть нижчими, проблема втрати ефективності залишається. У цьому випадку впровадження алгоритмів SaaS, які спеціально не адаптовані до потреб компанії, може зробити процес менш ефективним, ніж якщо б це робилося вручну.

Окрім цих проблем, важливо розуміти, що прозорість у процесі ШІ неймовірно важко донести до керівництва, навіть експертам. Це пов’язано зі складністю алгоритмів, але це може викликати у вашої команди сумніви щодо переходу до автоматизованого керування операціями.

Куди ми підемо звідси?

Деякі дослідники припускають, що виклики, з якими ми зараз стикаємося, призведуть до нових ролей людей у ​​компанії: Тренери, пояснювачі та підтримувачі.

Тренери допоможуть оптимізувати роботу ШІ; пояснювачам буде доручено розбивати рішення щодо штучного інтелекту для непрофесіоналів, а сустейнери працюватимуть над тим, щоб зробити процеси штучного інтелекту стійкими в довгостроковій перспективі.

Однак до того часу компанії та засновники повинні враховувати не лише важливість конкурентну перевагу, яку може надати ШІ. Переваги слід порівнювати з двозначністю, витратами часу та перешкодами для зростання, пов’язаними з операційним ШІ.

Штучному інтелекту ще попереду довгий шлях розвитку, розвитку та впровадження. Це, безсумнівно, може значно змінити операційне управління, але поки що ми не можемо повністю покладатися на те, що він завжди буде найкращим варіантом.