Расширение границ автоматизации бизнес-процессов

Компании не могут позволить себе игнорировать богатство, представленное в их человеческом капитале:эти подверженные ошибкам существа с их уникальной способностью отваживаться и мечтать, интуитивно чувствовать и рисковать и, прежде всего, распознавать, когда они движутся к катастрофе

Прошлым летом в истории искусственного интеллекта произошла мрачная веха:первая смерть, вызванная автономным транспортным средством. Tesla Model S, работавшая на полном автопилоте, врезалась в кузов грузовика на шоссе Флориды, в результате чего погиб «водитель».

Согласно блогу компании, причиной этой трагической аварии стала неспособность ИИ выделить «белую сторону тягача на фоне ярко освещенного неба». Как отмечает Тесла, это был первый смертельный случай за более чем 130 миллионов миль, пройденных на автопилоте, что составляет менее половины общемирового показателя, составляющего 60 миллионов миль на смерть среди водителей-людей.

Если Tesla и другие производители автономных автомобилей смогут снизить этот показатель, это, безусловно, будет означать значительное улучшение безопасности. Тем не менее характер этой аварии, которой почти наверняка удалось бы избежать водителю-человеку, вызывает серьезные вопросы о том, насколько люди должны подчиняться машинам.

>См. также: 5 задач интеллектуальной автоматизации в масштабе

По мере того, как технологии становятся все более интеллектуальными, неизбежно потребуется принимать решения, которые приводят к гибели людей. Транспортные средства, такие как автономные автомобили и грузовики, должны быть запрограммированы для принятия моральных решений, таких как мгновенное решение «проблемы тележки», которая многие годы ставит в тупик специалистов по этике.

Не каждый вопрос об искусственном интеллекте и автоматизации является вопросом жизни и смерти, но есть важные практические и этические вопросы, на которые нужно ответить, прежде чем мы сможем быть уверены, что эти технологии улучшат, а не уменьшат нашу жизнь.

Этот факт все больше признается самими предприятиями. Исследование Infosys показало, что более половины (53%) респондентов считают, что этические вопросы мешают ИИ быть настолько эффективным, насколько он мог бы быть, и только треть (36%) говорят, что они полностью рассмотрели этические последствия этих новых технологий. .

Эти опасения варьируются от воздействия этих технологий на конфиденциальность сотрудников и клиентов до воздействия на занятость (например, за счет сокращения значительной части рабочей силы). Есть также вопросы — ярко освещенные в истории Теслы выше — о том, насколько искусственный интеллект может когда-либо заменить людей-операторов.

Поддаться обещанной силе технологий так же легко, как романтизировать уникальные возможности человеческого мозга. Если компании не смогут примирить эти два очень разных интеллекта, они вряд ли получат все преимущества, которые можно получить, объединив людей и технологии.

>См. также: 2018 год станет годом автоматизации на предприятиях

Одна из ключевых проблем, стоящих перед человечеством, заключается в том, какую автономию мы решаем предоставить машинам, и в каких ситуациях искусственный интеллект применяется лучше, чем человеческий разум.

На первый взгляд, способность технологий обрабатывать огромные наборы данных и использовать обработку естественного языка для обеспечения реалистичного взаимодействия с клиентами делает их идеальной заменой медлительным, дорогостоящим и подверженным ошибкам людям.

Но это означает игнорировать врожденные недостатки технологий, от чат-бота Microsoft Tay, который быстро научился быть расистом, до беспилотного автомобиля, который не может отличить небо от 20-тонного куска металла, движущегося с большой скоростью.

Фактом остается то, что машины по-прежнему могут дать нам только понимание, и что только люди обладают мудростью, чтобы применить это понимание надлежащим образом в любом заданном деловом или личном контексте. Если бы жизнь людей всегда определялась рациональными, эмпирическими соображениями, тогда можно было бы говорить о том, что машины заменяют людей везде, где это возможно.

Однако, как мы все знаем, это просто не так. Infosys — компания, которая каждый день сталкивается с этими вопросами. Это помогает большому количеству предприятий внедрять инициативы в области машинного обучения, и мы быстро поняли важность контекстуализации.

В большинстве случаев простого перебора цифр недостаточно; чтобы быть эффективным, оно должно сопровождаться глубоким пониманием культуры и бизнес-модели компании, ее уникальных задач и структур данных/отчетности.

> См. также: Больше устройств, больше проблем? Только не с ИТ-автоматизацией

Люди по-прежнему будут играть жизненно важную роль в постановке правильных вопросов; опрос, интерпретация и применение данных; и составление правильных гипотез для машин.

Проповедники технологий часто забывают упомянуть, что точность любого алгоритма машинного обучения обычно составляет 60–70 % при первом проходе — за этим следует точная настройка и дальнейшая работа.

Пока что это звучит просто как аргумент в пользу найма большего количества специалистов по данным, а не как гимн способностям людей-работников. Но не нужно большого воображения, чтобы взглянуть на ограничения технологий, упомянутые выше, и увидеть, как они применимы к другим областям организации.

Они варьируются от самой вершины дерева до самого младшего работника. Спросите любого успешного владельца бизнеса, и он расскажет вам о важности просчитанного риска, основанного в определенной степени на интуиции; расскажут о важности нестандартного мышления для решения сложных бизнес-задач; они могут подчеркивать, что их лучшие идеи и вспышки вдохновения рождаются из совершенно неожиданных моделей мышления.

Для работника отдела кадров данные дадут важную информацию об эффективности и продуктивности отдельных лиц; скорее всего, он не расскажет им, почему они работают плохо, или не расскажет о наиболее чутких и эффективных способах беседы о том, как этот сотрудник может улучшиться.

Точно так же сотрудник службы поддержки клиентов получит доступ ко всем данным, необходимым для расследования жалобы, но ему все равно потребуется обучение, интуиция и человечность, чтобы решить вопрос таким образом, чтобы клиент остался доволен.

>См. также: Автоматизация:сетевая необходимость 

Правда в том, что данные — это всего лишь инструмент, который люди могут использовать для улучшения своей работы, будь то создание хедж-фонда или работа с недовольным клиентом.

Предприятия не могут позволить себе игнорировать богатство, представленное в их человеческом капитале:этих склонных к ошибкам существ с их уникальной способностью дерзать и мечтать, интуитивно чувствовать и идти на риск и, прежде всего, распознавать, когда они движутся к катастрофе.

Источник – Джонатан Эбсворт, руководитель отдела революционных технологий в Infosys Consulting.