Prawdziwe historie współpracy człowieka z maszyną

Steven Miller i Thomas H. Davenport

MIT Press, 2022

Przyszłość pracy już tu jest. Sektory tak różnorodne jak transport publiczny i reklama wykorzystują sztuczną inteligencję już dziś. W tej otwierającej oczy książce eksperci w dziedzinie technologii informatycznych Steven Miller i Thomas H. Davenport analizują przykłady udanej integracji AI w miejscu pracy. Wykraczają poza statystyki, aby nakreślić szczegółowy obraz obecnego wpływu sztucznej inteligencji na sposób pracy ludzi i podkreślić pytania dotyczące przyszłości. Niezależnie od tego, czy obawiasz się wpływu AI na własną pracę, czy też rozważasz wprowadzenie AI w swojej organizacji, w tekście Millera i Davenporta znajdziesz cenne spostrzeżenia.

Streszczenie zostało przetłumaczone maszynowo (przepraszamy za niedoskonałości tłumaczenia) jako materiał na nasze wykłady motywacyjne.

Wnioski

• Automatyzacja AI obejmuje zarówno systemy oparte na regułach, jak i systemy uczenia maszynowego.
• Większość ankietowanych sponsorów wierzyła w model wdrażania sztucznej inteligencji, który zwiększa produktywność pracowników, a nie ich zastępuje.
• Sztuczna inteligencja wymusza głębszą integrację procesów biznesowych i informatycznych, tworząc zapotrzebowanie na role hybrydowe.
• Dogłębna wiedza pracowników pierwszej linii na temat ich ról jest niezbędna do udanej integracji AI.
• Sztuczna inteligencja ma zróżnicowany wpływ na popyt na pracowników początkujących.
• Nadal istnieje wiele rzeczy, których maszyny nie potrafią.

Podsumowanie

• Automatyzacja AI obejmuje zarówno systemy oparte na regułach, jak i systemy uczenia maszynowego.
• Inżynierowie AI budują systemy oparte na regułach przy użyciu wielu instrukcji if-then. Szkolą systemy uczenia maszynowego na oznaczonych danych. Systemy uczenia maszynowego są w stanie wykryć wzorce w tych danych, które następnie wykorzystują do interpretacji nieoznakowanych danych. W miejscu pracy sztuczna inteligencja pełni wiele funkcji, w tym

1. Przewidywanie
2. Rekomendacje
3. Rankingi (np. potencjalnych klientów)
4. Znajdowanie określonych informacji w dokumencie
5. Automatyzacja procesów
6. „Wiele osób pracuje dziś ze sztuczną inteligencją na co dzień. Stwierdziliśmy, że dzieje się tak w dużych i małych firmach, w biurach, w fabrykach, na farmach i w szerokim zakresie zadań związanych z wiedzą i pracą administracyjną”.
7. Automatyzacja i rozszerzenie AI w miejscu pracy jest już dziś powszechne i obserwowalne w wielu miejscach pracy. W Morgan Stanley sztuczna inteligencja zapewnia spersonalizowane rekomendacje dotyczące produktów i programów w oparciu o konkretny profil i portfel klienta. Doradca finansowy decyduje o trafności podpowiedzi na podstawie osobistej wiedzy o kliencie. Pozwala to na bardziej efektywną komunikację z klientami, ponieważ sztuczna inteligencja może skutecznie dostosowywać rekomendacje do każdego klienta w stopniu, na który ludzcy doradcy nie mieliby czasu. Doradcy informują, że z pomocą systemu AI są w stanie udzielać bardziej spersonalizowanych porad większej liczbie klientów.

• W centrum handlowym Jewel w Singapurze system sztucznej inteligencji częściowo automatyzuje proces składania raportów o incydentach dla zespołu ds. bezpieczeństwa. Sztuczna inteligencja wstępnie wypełnia raporty odpowiednimi danymi i ułatwia dołączanie dodatkowych informacji, takich jak zdjęcia i filmy z systemu CCTV.

• Większość sponsorów, z którymi przeprowadzono wywiady, wierzyła w model wdrażania sztucznej inteligencji, który zwiększa produktywność pracowników, a nie ich zastępuje.
• Sponsorzy inicjatywy wdrożenia AI są jej siłą napędową w nowoczesnym miejscu pracy. Zazwyczaj menedżerowie wyższego szczebla definiują wizję, która kształtuje zmiany w procesach biznesowych i sponsorują nowe szkolenia dla pracowników.

• Ogólnie rzecz biorąc, automatyzacja może mieć dwa skutki dla miejsc pracy: zastąpienie pracy ludzkiej poprzez pełną automatyzację lub rozszerzenie pracy ludzkiej poprzez częściową automatyzację. Do tej pory dominującym trendem była augmentacja. W 2018 r. firma Deloitte przeprowadziła ankietę wśród amerykańskiej kadry kierowniczej. 63% osób zaznajomionych ze sztuczną inteligencją stwierdziło, że zastąpiłoby pracowników maszynami, aby obniżyć koszty, ale nie była to główna motywacja kadry kierowniczej do przyjęcia sztucznej inteligencji. Kierownictwo było bardziej zainteresowane ulepszaniem produktów lub operacji wewnętrznych, pomaganiem w podejmowaniu decyzji i uwalnianiem pracowników, aby mogli skupić się na kreatywnych zadaniach.

• „Jeśli martwisz się o wpływ sztucznej inteligencji na miejsca pracy, dobrą wiadomością powinno być to, że ludzie na wielu różnych stanowiskach są potrzebni do budowania, wdrażania, obsługi i utrzymywania tych systemów”.
• DBS Bank, największy bank w Azji Południowo-Wschodniej, wdrożył sztuczną inteligencję, aby wesprzeć swoich analityków zajmujących się przeciwdziałaniem praniu pieniędzy. Sztuczna inteligencja pomogła w bardziej monotonnych aspektach analizy, uwalniając analityków do skuteczniejszego badania pojawiających się zagrożeń. Zamiast pracować nad ostatecznym zastąpieniem pracowników przez sztuczną inteligencję, dyrektor zarządzający zmianą w DBS był zainteresowany pomaganiem pracownikom w lepszym wykonywaniu ich pracy. Cel ten stworzył bezpieczne środowisko dla pracowników pracujących z AI; zachęcił ich do przekazywania informacji zwrotnych, wnoszenia wiedzy i współpracy z AI.

• Wiodące gospodarki stoją w obliczu starzenia się populacji i niedoboru siły roboczej, więc firmy prawdopodobnie zaczną w większym stopniu wykorzystywać automatyzację, aby zrekompensować brak podaży, a nie zastępować pracowników. Podczas gdy ogólna liczba pracowników potrzebnych firmom korzystającym z augmentacji może być niższa, w wielu badanych firmach siła robocza nie zmniejszyła się, a nawet nadal rosła dzięki rozwojowi biznesu – który sam w sobie był spowodowany wzrostem produktywności opartym na sztucznej inteligencji.

• Skuteczne wdrażanie systemów sztucznej inteligencji opiera się nie tylko na nowych technologiach, ale także na nowych modelach biznesowych, procesach biznesowych i umiejętnościach pracowników. Sztuczna inteligencja zastąpi lub rozszerzy wiele ról, ale także stworzy nowe, związane z planowaniem, projektowaniem, wdrażaniem, monitorowaniem i ulepszaniem systemów AI.

• Sztuczna inteligencja wymusza głębszą integrację procesów biznesowych i informatycznych, tworząc zapotrzebowanie na role hybrydowe.
• W przeszłości osoby pełniące role biznesowe i informatyczne nie rozumiały nawzajem swojej pracy. Role biznesowe obejmują działania takie jak zasoby ludzkie, marketing, finanse i zarządzanie. Role IT obejmują tworzenie lub konfigurację systemów IT, z których korzystają ludzie, a także role oparte na danych, takie jak naukowcy zajmujący się danymi, specjaliści ds. analityki, inżynierowie AI / uczenia maszynowego i inżynierowie danych. Obecnie istnieje prawdopodobnie dodatkowa luka w wiedzy między zespołami AI a innymi specjalistami IT.

• Role interdyscyplinarne wypełniają lukę między wiedzą informatyczną i biznesową. Czasami to pomostowanie obejmuje koordynację na wysokim szczeblu, jak w przypadku menedżera produktu ds. systemów i usług AI w Shopee, platformie handlu elektronicznego w Azji Południowo-Wschodniej, który zapewnia dostosowanie w całej organizacji i finalizuje decyzje wielu interesariuszy. Czasami oznacza to multidyscyplinarne zespoły bardziej skoncentrowane na zarządzaniu, zgodności lub etyce. Zespół Salesforce ds. etycznych praktyk AI prowadzi działania informacyjne, aby skłonić osoby do myślenia o etycznych konsekwencjach ich decyzji i wspiera inne zespoły próbujące rozwiązać konkretne kwestie etyczne, takie jak unikanie stronniczości w zestawach danych wykorzystywanych do szkolenia AI.

• Potrzeba tych wyspecjalizowanych ról, aby działać jako łącznik między dwoma zestawami wiedzy, które pozostają w większości oddzielne, tylko jeszcze bardziej podkreśla lukę, która pozostaje między większością osób w IT a tymi na stanowiskach biznesowych. Wygląda jednak na to, że zaczyna się to zmieniać. Obecnie firmy integrujące sztuczną inteligencję mają zwykle co najmniej jedną osobę na stanowisku biznesowym, która jest głęboko skoncentrowana na rozwiązywaniu problemów biznesowych za pomocą danych i technologii. Chociaż ich formalne wykształcenie jest biznesowe, osoby te nauczyły się wystarczająco dużo o technologii, z którą pracują, aby stać się rozmówcami specjalistów IT. Trend ten będzie prawdopodobnie kontynuowany, ponieważ jest on naturalnym wynikiem przenikania procesów IT do każdego aspektu działalności biznesowej.

• „Wiele osób w działach IT ma obecnie doświadczenie biznesowe, a nie technologiczne”.
• Co więcej, wiele firm oczekuje od swoich specjalistów IT solidnego zrozumienia problemów biznesowych, nad rozwiązaniem których pracują. Dla przykładu, internetowy serwis stylizacyjny Stitch Fix wymaga, aby jego analitycy danych nauczyli się, jak stylizować klientów. Dogłębne zrozumienie tego, w jaki sposób styliści wykorzystują rozwiązania techniczne IT, pozwala szefowi działu nauki o danych lepiej rozważyć skutki jej wyborów programistycznych.

• Często ambitni ludzie widzą okazję do zintegrowania rozwiązania IT lub AI w swojej organizacji i zdobywają niezbędne do tego umiejętności. Jennifer Schmich w Intuit, dostawcy oprogramowania finansowego, zaczynała jako copywriter, zanim dostrzegła szansę na rozpoczęcie korzystania z Writer.com, asystenta pisania opartego na sztucznej inteligencji. Schmich zaprojektowała swoją rolę jako architekta treści wraz ze swoim szefem i obecnie kieruje małym zespołem, który może koordynować zasady, takie jak przewodniki stylu i ustandaryzowany język dla tysięcy pisarzy.

• Konkurencyjne firmy muszą korzystać z danych. Oznacza to, że liczba hybrydowych ról IT-biznes będzie tylko rosnąć. Myślące przyszłościowo firmy nalegają, aby specjaliści IT mieli kontakt z pracą swoich jednostek biznesowych i odwrotnie.

• Dogłębna wiedza pracowników pierwszej linii na temat ich ról jest niezbędna do udanej integracji AI.
• Profesjonalna wiedza pracowników pierwszej linii jest niezbędna do skutecznej integracji AI z wykonywaną przez nich pracą. Są oni często wzywani do oceny sugestii lub wyników AI, co sprawia, że ich profesjonalny osąd jest ważniejszy niż kiedykolwiek wcześniej. Z tego powodu szkolenie pracowników, którzy nie mają jeszcze dużego doświadczenia w swojej roli, do pracy z AI może stanowić wyzwanie.

• Pracownicy pierwszej linii, z którymi przeprowadzono wywiady, postrzegali swoją rolę jako niezbędną do oceny sugestii maszyn, integracji myślenia całościowego i koordynacji z innymi ludźmi. Wielu z nich stwierdziło, że sztuczna inteligencja ograniczyła nudę i sprawiła, że ich praca stała się bardziej stymulująca intelektualnie. Niektórzy stwierdzili jednak, że zwiększony nacisk na komunikację i pracę intelektualną sprawił, że ich praca stała się bardziej wymagająca. W każdym studium przypadku przeprowadzonym na potrzeby tej książki produktywność pracowników wzrosła wraz z integracją AI.

• „W przyszłości wysiłki związane z projektowaniem systemów, wdrażaniem i bieżącym wsparciem operacyjnym po wdrożeniu będą nadal lepiej funkcjonować dzięki partycypacyjnemu wkładowi i silnemu wsparciu ze strony pracowników pierwszej linii”.
• Zlecanie osobom z całej organizacji nie tylko przyjmowania zautomatyzowanych rozwiązań, ale także pomocy w ich projektowaniu, pozwala na precyzyjne podejście. Japońska międzynarodowa agencja reklamowa i public relations Dentsu, zajmująca się automatyzacją procesów robotycznych, odkryła, że firma, podobnie jak wiele miejsc pracy wymagających dużej wiedzy, nie polegała na wielkoskalowych, łatwo zautomatyzowanych procesach biznesowych. Zamiast tego zespół znalazł długą listę mikrozadań specyficznych dla pracy poszczególnych osób, więc skontaktował się z pracownikami z całej firmy. Zapewnili im szkolenie i narzędzie, które pozwoliło im zaprojektować własne procedury automatyzacji dla powtarzalnych zadań. Pozwoliło to zaoszczędzić około 3500 godzin pracy.

• Sztuczna inteligencja ma zróżnicowany wpływ na popyt na pracowników początkujących.
• W niektórych branżach trendem jest zatrudnianie mniejszej liczby pracowników podstawowych. Wyraźnie dotyczy to rutynowych prac fizycznych, takich jak przerzucanie hamburgerów lub pielenie, a także bardzo jasno określonej, rutynowej pracy umysłowej, takiej jak inspekcje wizualne w celu kontroli jakości. W wyniku integracji AI, Haven Life/MassMutual ma teraz mniejsze zapotrzebowanie na początkujących underwriterów ubezpieczeniowych, ponieważ mają oni tendencję do wykonywania zadań, które firma zautomatyzowała. Wciąż jednak potrzebują doświadczonych underwriterów, aby mogli oceniać wyniki systemu AI i radzić sobie z nietypowymi przypadkami.

• Z drugiej strony, szkolenia oparte na sztucznej inteligencji mogą faktycznie obniżyć barierę wejścia na niektóre stanowiska. Przykładowo, warsztat maszynowy PBC Linear wykorzystuje wspierany przez sztuczną inteligencję system szkoleniowy rzeczywistości rozszerzonej o nazwie Taqtile, aby przyspieszyć szkolenie pracowników produkcyjnych. Taqtile współpracuje z systemem rzeczywistości rozszerzonej, który wykorzystuje sztuczną inteligencję do dostosowania się do każdego użytkownika, osiągając poziom precyzji niezbędny do szkolenia w warsztacie maszynowym. System zapewnia poziom spersonalizowanego szkolenia, który wcześniej wymagałby indywidualnego czasu z instruktorem, pozwalając nowym pracownikom uczyć się we własnym tempie.

• „Ta sama technologia (…) może zarówno ograniczyć możliwości dla początkujących pracowników poprzez zwiększenie produktywności, jak i rozszerzyć możliwości pracy dla początkujących poprzez zwiększony poziom wbudowanych szkoleń, wskazówek i wsparcia wydajności”.
• Systemy sztucznej inteligencji mogą również pomóc w poprawie dostępu do pracy dla grup z wadami zdolności. Firma Dentsu nawiązała współpracę z AutonomyWorks, która specjalizuje się w tworzeniu możliwości zatrudnienia dla osób ze spektrum autyzmu i zaspokaja potrzeby firm w zakresie powtarzalnych procesów, aby stworzyć specjalne narzędzia pracy dla pracowników autystycznych.

• Zmniejszająca się liczba ofert pracy dla początkujących stanowi systemowy problem dla gospodarki i społeczeństwa. Chociaż dopiero okaże się, jaki wpływ będzie miało powszechne przyjęcie sztucznej inteligencji, utrata stanowisk dla początkujących w sektorach opartych na wiedzy stanowi poważne zagrożenie.

• Wciąż istnieje wiele rzeczy, których maszyny nie są w stanie zrobić.
• Ludzki osąd pozostaje istotnym elementem w większości prac wspomaganych przez uczenie maszynowe:

• Sztuczna inteligencja nie rozumie kontekstu – programiści nie są w stanie uchwycić kontekstu w zestawach danych wykorzystywanych do szkolenia algorytmów uczenia maszynowego, ani nie mogą uchwycić tak szerokiej koncepcji w regułach algorytmicznych. W rezultacie sztuczna inteligencja nie jest w stanie wykorzystać danych do opowiedzenia spójnej historii, sformułowania problemu, dokonania subiektywnej oceny lub rozważenia szerszych społecznych i etycznych implikacji swoich działań.
• Złożone systemy również stanowią przeszkodę dla AI – wiele ludzkich systemów jest zbyt skomplikowanych dla AI. Oznacza to, że sztuczna inteligencja nie może odróżnić ważnych alertów od nieistotnych w złożonych warunkach, takich jak przestrzeń publiczna pod nadzorem bezpieczeństwa. Nie może negocjować ani koordynować decyzji między grupami o różnych lub zmieniających się priorytetach, ani też przekonywać osób do przyjęcia nowych zachowań lub usuwania przeszkód organizacyjnych w celu napędzania zmian organizacyjnych.
• Sztuczna inteligencja nadal nie jest w stanie zrozumieć sytuacji emocjonalnych – pomimo popularnych obrazów systemów sztucznej inteligencji rozwijających relacje z ludźmi, takich jak te w filmach Her i Ex Machina, sztuczna inteligencja nie jest w stanie zrozumieć potrzeb emocjonalnych, budować relacji z ludźmi, wspierać satysfakcji z pracy lub morale pracowników ani analizować tonu komunikacji pisemnej. Nawet narzędzie Writer AI ma problemy z analizą tonu, a systemy AI wykorzystywane do analizy mediów społecznościowych nie są dobre w rozpoznawaniu sarkazmu.
• Sztuczna inteligencja nie jest samowystarczalna – AI nadal polega na ludzkiej pomocy w konfigurowaniu fizycznych systemów lub środowisk potrzebnych do przechwytywania danych do analizy, naprawiania AI, gdy działa nieprawidłowo i przekazywania wiedzy od ludzkich ekspertów do systemów AI.
• Z tych wszystkich powodów ludzie nadal muszą mieć ostatnie słowo, jeśli chodzi o rekomendacje generowane przez sztuczną inteligencję.

• „Jedną z największych zalet posiadania ludzi i inteligentnych maszyn pracujących obok siebie jest to, że ludzie mogą potwierdzić, że zautomatyzowana decyzja jest” rozsądna „.
• Ważne jest, aby ludzie pracujący z maszynami rozumieli procesy biznesowe, które sztuczna inteligencja ma ułatwiać, aby rozumieli powody decyzji podejmowanych przez sztuczną inteligencję i byli w stanie określić ich adekwatność.  Podobnie, systemy sztucznej inteligencji potrzebują funkcji dostarczania pracownikom wyjaśnień dotyczących decyzji, które podejmują, aby ludzie mieli informacje potrzebne do oceny tych decyzji. Na przykład system przeciwdziałania praniu brudnych pieniędzy DBS Bank zawiera pulpit nawigacyjny, który wyjaśnia wyniki ryzyka generowane przez sztuczną inteligencję. Wyjaśnianie decyzji AI zachęca również pracowników do integracji AI w ich rolach.

O autorach

• Thomas H. Davenport jest profesorem technologii informatycznych i zarządzania w Babson College oraz starszym doradcą ds. sztucznej inteligencji w Deloitte Analytics. Steven Miller jest emerytowanym profesorem systemów informatycznych na Singapore Management University.