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

Від: Євгенія Маліна, Голова бізнес-стратегії та операцій у Food Rocket.

За останніми дослідженнями Інституту Маккінсі, штучний інтелект готовий збільшити світовий економічний випуск на $13 трильйонів до 2030 року.

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

Нижче наведені три виклики штучного інтелекту, які конкретно впливають на оперативне управління для підприємств.

1. Погана якість даних

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

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

По-перше, це вводить значущу людину-специфіку у ваш процес від самого початку. По-друге, це означає, що будь-які результати з алгоритму просто є розширенням ваших найкращих припущень. Врешті-решт, це залишає вас з сумнівною картиною 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 відбувається, 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 несумісних даних для алгоритмів штучного інтелекту

Часто це потребує суттєвих людських зусиль, щоб допомогти штучному інтелекту подолати цю “холодну” перешкоду та відновити гладкі операції.

У моєму досвіді це може спричинити 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 відчуття особистої відповідальності працівника. У деяких випадках працівники можуть відчувати, що вони можуть відокремити себе від рішення, бо “штучний інтелект зробив це”.

Крім того, це досить часто трапляється, що введення нового алгоритму збігається з суттєвим падінням показників якості. У моєму досвіді цей парадокс є результатом людини, яка раніше була відповідальною за показник, і тепер відчуває себе просто незначущим ланком у ланцюгу автоматизованого прийняття рішень.

Це 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 прозорості та ефективної реалізації

Як кожен бізнесмен знає, речі можуть змінитися в одну мить. Компанії не завжди мають час на побудову складного рішення штучного інтелекту для нової операції.

Фактично, це набагато частіше трапляється, що компанії перебувають під тиском часу та змушені вирішувати проблему без допомоги автоматизації, оскільки налаштування нового процесу просто займає забагато часу. Оскільки зазвичай немає часу на 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 вдосконалений. 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 пов’язано з складністю алгоритмів, але це може зробити вашу команду відчувати резерви щодо переходу на автоматизоване оперативне управління.

Куди ми рухаємось далі?

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

Тренери допоможуть оптимізувати продуктивність штучного інтелекту; пояснювачі будуть займатися роз’ясненням рішень штучного інтелекту для непрофесіоналів, а підтримувачі працюватимуть над тим, щоб зробити процеси штучного інтелекту сталими на довгий термін.

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

Штучний інтелект ще має довгий шлях у плані зростання, розвитку та реалізації. Він безумовно може зробити велику різницю в оперативному управлінні, але ми ще не можемо повністю довіряти йому як найкращому варіанту.