Три ключевых этических соображения для производителей, внедряющих ИИ

Искусственный интеллект больше не футуристическая концепция для производителей. Пока финансы и страхование давно используют алгоритмы для кредитных решений, производственный сектор лишь начинает раскрывать потенциал ИИ. Интегрируя передовой машинное обучение с проверенными системами автоматизации, производители могут драматически поднять продуктивность и открыть новые потоки выручки.

Энтони Борн, президент индустрий IFS, подчеркивает, что по мере проникновения ИИ, этические фреймворки должны строиться с нуля. Он идентифицирует три критических этических вызова, которые лидерам следует противостоять при масштабировании инвестиций в ИИ.

Недавнее исследование IFS опросило 600 производственных профессионалов, 383 из которых — старшие лица, принимающие решения, работающие с ERP, EAM и FSM решениями. Результаты поразительны: более 90% планируют инвестировать в ИИ. В сочетании с 5G и IoT, ИИ позволит коммуникацию в реальном времени между корпоративными системами и автоматизированным оборудованием, разблокируя производственные модели вроде configure-to-order и даже полностью кастомного производства.

Несмотря на ясные выгоды продуктивности, экономии затрат и выручки, отрасль теперь сталкивается с первой волной этических дилемм. Ниже — три первичных соображения, которые производители должны взвесить.

1. Что ИИ сделает с вашей рабочей силой?

Самый немедленный вклад ИИ — создание новых продуктов и сервисов, которые были ранее невозможны. Для производителей, обслуживающих послепродажные контракты, NLP-чатботы могут обрабатывать большую часть рутинных клиентских взаимодействий, освобождая человеческих агентов для сложных проблем. Когда ИИ интегрирован с подключенными устройствами, удаленная диагностика становится быстрее и менее трудоемкой.

Однако, по мере сокращения трудозатрат, необходимых для генерации ценности, возникают вопросы о более широком экономическом влиянии. Исследование NCCI 2017 года показало, что с 1990 по 2016 год выпуск производства в США вырос более чем на 70%, в то время как занятость упала более чем на 30%. В 2016 году производство было на 70% выше при только 70% рабочей силы, драйвя рост производительности труда на 140%. Автоматизация снизила затраты, но новые ИИ-созданные рабочие места могут быть короткоживущими в переходные периоды, поднимая вопросы о необходимости сокращенных рабочих недель, новых бизнес-моделей или даже других экономических систем.

Усиление, а не замена человеческих навыков

Оптимисты утверждают, что эффективность от ИИ перевесит переходные затраты. Вместо прямого вытеснения ИИ часто действует как «гид сбоку», уполномачивая рабочих принимать лучшие решения и повышая общую продуктивность. Более того, исследование IFS указывает на позитивный взгляд: 45% респондентов верят, что ИИ создаст рабочие места, в то время как 24% не видят влияния на численность.

2. Точно ли вы оцениваете продуктивность и прибыльность ИИ?

Цифровая трансформация не бuzzword; это фундаментальный сдвиг в стратегии технологий, который должен быть принят по всей компании. Успешная трансформация начинается с прозрачных, данные-ориентированных оценок ROI, вовлекающих всех ключевых стейкхолдеров с самого начала. Исполнители должны коммуницировать реалистичные ожидания и избегать завышения обещаний.

Оценка ИИ — сложна

В отличие от ранних IT-проектов, фокусировавшихся на метриках вроде скорости процесса или оборота запасов, ИИ в производстве должен бороться с укоренившимися процессами, натянутыми цепочками поставок, стареющими активами и глобальной конкуренцией. Установление надежных метрик требует строгого, коллаборативного усилие между исполнителями и вендорами для указания осязаемых возможностей ценности.

Капитальные инвестиции и изменения процессов требуют одобрения совета, поэтому исполнители должны отличать инкрементные выгоды от узко обмеленных пилотов ИИ от более широких системных выигрышей. Четкие, доказательства-ориентированные проекции помогают обеспечить бай-ин стейкхолдеров и защитить от будущих претензий о завышении обещаний.

3. Примите ответственность за результаты ИИ — как хорошие, так и плохие

Решения ИИ могут иметь непреднамеренные последствия, и в конечном счете организация и ее лидеры несут ответственность. Юридические последствия аварий автономных автомобилей иллюстрируют, что ответственность назначается человеческим лицам, принимающим решения за алгоритмом, а не алгоритму самому.

ИИ — человеческий инструмент

Марготами Камински, доцентом Колорадского юридического университета, предупреждает об «автоматизационном предвзятости» — склонности доверять машинным решениям более человеческого суждения. Поскольку большинство пользователей лишены технической экспертизы для оценки выводов ИИ, они рискуют принимать несовершенные решения на основе непрозрачных систем.

Объяснимый ИИ — системы, предоставляющие четкий аудиторский след логики решений и источников данных — обязателен. Камински отмечает, что объяснения должны быть адаптированы к разнообразным аудиториям, от юристов, ищущих правовое обоснование, до данных ученых, требующих технических деталей. Строгая документация обеспечивает подотчетность и поддерживает оспаривание решений при необходимости.

Готовы эволюционировать цифрово с ИИ?

Производители движутся за пределы имитации человеческого интеллекта к использованию машинных возможностей, превосходящих человеческие пределы. Настоящая цифровая трансформация встроит ИИ в каждый процесс, устраняя повторяющиеся задачи и освобождая человеческий талант для работы более высокой ценности.

Пока этот сдвиг снижает производственные затраты и увеличивает создание ценности, он также переформирует трудовые роли и фреймворки ответственности. Организации, которые найдут правильный баланс — приняв выгоды ИИ в то время как защищают рабочих и общество — возглавят отрасль. Будет ли ваша одна из них?