П’ять причин, чому алгоритми штучного інтелекту можуть бути складними для впровадження в оперативне управління

Від: Evgeniya Malina, Голова бізнес-стратегії та операцій у Food Rocket.

За даними недавнього дослідження McKinsey Global Institute, штучний інтелект має потенціал збільшити глобальну економічну продукцію на $13 трильйонів до 2030 року.

Однак, це супроводжується власними викликами та непередбачуваними наслідками. Деякі з найбільш поширених ризиків та викликів впровадження штучного інтелекту включають проблеми конфіденційності, нездатність узагальнювати та загальну відсутність довіри.

Нижче наведено три виклики, пов’язані з штучним інтелектом, які конкретно впливають на оперативне управління в бізнесі.

1. Низька якість даних

Перша й головна річ, яку потрібно потужному алгоритму штучного інтелекту, – це дані. Для належної підготовки алгоритму його потрібно годувати величезними кількостями точних, високоякісних даних. На жаль, не завжди легко отримати ці дані, а звіт Gartner 2020 року вказує, що низька якість даних може коштувати вашій компанії близько $13 мільйонів щороку.

Наприклад, деякі процеси можуть не мати жодного цифрового сліду, коли ви тільки починаєте. Не має даних, які б ви могли годувати в алгоритм у цих випадках. Все, що ви даєте, – це гіпотези та освітлені здогади, що створює дві проблеми.

По-перше, це вводить значущу людську упередженість у ваш процес від самого початку. По-друге, це означає, що будь-які результати алгоритму є просто продовженням ваших найкращих здогадок. У кінцевому підсумку це залишає вас з нечітким ландшафтом даних та ненадійним, нестабільним процесом прийняття рішень.

2. Навігація “холодних стартів” та залучення працівників

Автоматизація чудова для оптимізації існуючих процесів, але компроміс полягає в “холодному старті”. Це коли вам потрібно розпочати процес без жодних історичних даних, на яких штучний інтелект міг би базувати свій розпорядок. У кожному випадку штучний інтелект буде боротися з подоланням цього перепони.

За даними Harvard Business Review, 80 відсотків або більше часу команди ІТ часто витрачається на поліпшення та уточнення нестійких даних для алгоритмів штучного інтелекту

Часто це вимагає суттєвих зусиль людини, щоб допомогти штучному інтелекту подолати цю “холодну” перешкоду та відновити безперебійну роботу.

За мого досвіду, це може викликати серйозні порушення в управлінні ланцюгами постачання, і це може коштувати компаніям суттєвих доходів. Ми всі знаємо, що штучний інтелект ще не достатньо розвинений, щоб обробляти всі аспекти системи оперативного управління. Це означає, що будь-яке рішення штучного інтелекту, яке використовує ваша компанія, буде перекриватися з людським процесом прийняття рішень.

Хоча це може бути хорошим явищем, це також може привести до розчарування працівника у його особистій відповідальності. У деяких випадках працівники можуть відчувати себе відокремленими від рішення, бо “штучний інтелект зробив це”.

Крім того, часто трапляється, що введення нового алгоритму збігається з суттєвим падінням показників якості. За мого досвіду, ця парадоксія є результатом людини, яка раніше була відповідальною за показник, почуває себе тепер просто незначущим ланком у ланцюгу автоматизованого прийняття рішень.

Важливо керувати цим аспектом автоматизації через те, як легко це може привести вашу команду по шляху байдужості та зниження зобов’язань. Це також має потенціал завдати шкоди вашому бренду. Якщо штучний інтелект залишається наодинці з прийняттям рішень, він може ненавмисно почати дискримінацію клієнтів у певних вікових, статевих або географічних категоріях.

3. Виклики з прозорістю та ефективною реалізацією

Як кожен бізнесмен знає, все може змінитися в одну мить. Компаніям не завжди вдається будувати складне рішення штучного інтелекту для нової операції.

Фактично набагато частіше компанії перебувають під тиском часу і змушені розв’язувати проблему без допомоги автоматизації, оскільки налаштування нового процесу просто займає забагато часу. Оскільки зазвичай немає часу для написання складних моделей, відбувається одна з двох речей.

По-перше, бізнес може обрати реалізацію майже завершеного процесу, але вставити ручний проміжний крок до тих пір, поки процес не буде доопрацьований. У цьому випадку компанії втрачають до 80 відсотків розрахованої ефективності процесу.

Альтернативно, бізнес може розгорнути SaaS для прискорення процесу реалізації. Хоча витрати часу та грошей будуть нижчими, проблема втрати ефективності залишається. У цьому випадку реалізація алгоритмів SaaS, які не адаптовані конкретно до потреб компанії, може зробити процес менш ефективним, ніж якщо б він був зроблений вручну.

Крім цих проблем, важливо зрозуміти, що прозорість у процесі штучного інтелекту надзвичайно важко пояснити керівництву, навіть експертам. Це відбувається через складність алгоритмів, але це може зробити вашу команду схильною до переходу на автоматизоване оперативне управління.

Куди ми рухаємось далі?

Деякі дослідники вважають, що виклики, з якими ми зараз зіштовхуємося, призведуть до нових людських ролей у компанії: тренери, пояснювачі та підтримувачі.

Тренери допоможуть оптимізувати продуктивність штучного інтелекту; пояснювачі будуть доручені роз’яснювати рішення штучного інтелекту непрофесіоналам, а підтримувачі працюватимуть над тим, щоб процеси штучного інтелекту були сталими на довгий термін.

Однак, поки що бізнеси та засновники повинні враховувати не тільки суттєву конкурентну перевагу, яку може дати штучний інтелект. Перевага повинна бути зважена проти неоднозначності, витрат часу та перешкод росту, які супроводжують оперативний штучний інтелект.

Штучний інтелект ще має довгий шлях у плані зростання, розвитку та впровадження. Він безумовно може зробити величезну різницю в оперативному управлінні, але ми ще не можемо повністю покладатися на нього як на найкращий варіант.