Các bài viết về trí tuệ nhân tạo thường khởi đầu với dự tính gây sốc cho fan hâm mộ, thông tin đó hoàn toàn có thể từ việc tìm hiểu thêm những tác phẩm khoa học viễn tưởng hoặc thống kê đáng báo động về việc mất việc sắp xảy ra. Nhưng chúng tôi nghĩ rằng tất cả chúng ta tiến gần hơn đến TT của AI khi tất cả chúng ta nghĩ về những cách nhỏ bé và trong thực tiễn trong đó AI làm cho việc làm trở nên thuận tiện hơn một chút ít. Và nó không nhất thiết là những chuyên viên AI trong tổ chức triển khai của bạn, những người sẽ xác lập những yếu tố trong thực tiễn này mà AI hoàn toàn có thể giúp xử lý. Thay vào đó, những nhân viên cấp dưới trong toàn tổ chức triển khai sẽ hoàn toàn có thể phát hiện ra những loại trái cây treo ở thấp, nơi AI hoàn toàn có thể giúp tổ chức triển khai của bạn hoạt động giải trí hiệu suất cao hơn, nhưng chỉ khi họ biết AI có năng lực làm gì và không nên làm gì .
Ví dụ : tôi quản lý tài chính cho một nhóm đi du lịch rất tiếp tục và tôi rất biết ơn về những phỏng đoán phức tạp rằng ứng dụng ngân sách của tôi trích từ những khoản thu bằng cách sử dụng Machine Learning : tên của thương gia, số tiền, thuế và ngân sách. Việc tìm kiếm thời cơ cho loại nâng cấp cải tiến mưu trí này, tiết kiệm chi phí thời hạn và nguồn năng lượng của con người, không riêng gì là một thử thách chỉ huy. Đây là một cuộc tìm kiếm được thực thi bởi càng nhiều người trong tổ chức triển khai càng nhiều càng tốt .
Một lĩnh vực trí tuệ nhân tạo đang phát triển nhanh chóng là Machine Learning, trong đó một chương trình máy tính cải thiện các câu hỏi của nó bằng cách tạo và lặp lại các thuật toán dựa trên dữ liệu. Nó thường được coi là loại công nghệ mà chỉ những người thông minh nhất và có đầu óc toán học mới có thể hiểu và làm việc được. Thật vậy, những người làm việc hàng ngày để xây dựng các chương trình Machine Learning sẽ có xu hướng có bằng sau đại học về khoa học Machine Learning. Nhưng Machine Learning là một công cụ công nghệ như bất kỳ công cụ nào khác: Nó có thể được hiểu ở nhiều cấp độ khác nhau và vẫn có thể được sử dụng bởi những người có sự hiểu biết chưa đầy đủ. Mọi người không cần phải biết lái máy bay để có thể phát hiện ra các tuyến bay hàng không mới hợp lý. Thay vào đó, họ cần biết khoảng những gì một chiếc máy bay có thể và không thể làm.
Ví dụ, giáo dân cũng hoàn toàn có thể có sáng tạo độc đáo về những gì máy bay không nên được sử dụng, điều này hoàn toàn có thể gây ra những hiệu quả tích cực như giảm tiếng ồn máy bay ở giữa những thành phố hoặc hạn chế những chuyến bay tốn kém cho những chuyến đi rất ngắn .
Khi những nhà chỉ huy trong những công ty, tổ chức triển khai phi doanh thu hoặc chính phủ đầu tư vào trí tuệ nhân tạo, phần nhiều sự quan tâm của họ dành cho việc thuê những chuyên viên Machine Learning hoặc trả tiền cho những công cụ công nghệ tiên tiến. Nhưng điều này bỏ lỡ một thời cơ quan trọng. Để những tổ chức triển khai có được nhiều quyền lợi nhất hoàn toàn có thể từ AI, họ cũng nên góp vốn đầu tư vào việc giúp toàn bộ những thành viên trong nhóm hiểu rõ hơn về công nghệ tiên tiến .
Khi hiểu rõ về Machine Learning hoàn toàn có thể khiến nhân viên cấp dưới thuận tiện phát hiện ra những ứng dụng tiềm năng trong việc làm của chính mình. Nhiều ứng dụng hứa hẹn nhất cho Machine Learning sẽ rất hữu dụng và đây là lúc công nghệ tiên tiến hoàn toàn có thể có ích nhất : tiết kiệm chi phí thời hạn của mọi người, để họ hoàn toàn có thể tập trung chuyên sâu vào nhiều trách nhiệm mà họ làm tốt hơn máy móc .
Xem thêm : Ứng dụng của Machine Learning trong sản xuất
Một trợ lý quản lý có hiểu biết tốt hơn về Machine Learning hoàn toàn có thể gợi ý rằng ứng dụng lịch học rõ ràng hơn từ những quy mô tăng trưởng thêm giờ, nhắc nhở anh ta khi ông chủ của anh ta đã không gặp một thành viên trong nhóm trong một thời hạn dài không bình thường. Một lịch học những mẫu hoàn toàn có thể cho trợ lý quản lý và điều hành nhiều thời hạn hơn cho những trình độ của con người trong việc làm của mình, ví dụ điển hình như giúp ông chủ của mình quản trị một nhóm .
Vậy thì, toàn bộ nhân viên cấp dưới của bạn nên học gì về AI ? Có ba câu hỏi quan trọng mà bất kể thành viên nào trong nhóm của bạn sẽ hoàn toàn có thể vấn đáp : Trí tuệ nhân tạo hoạt động giải trí như thế nào ? Nó giỏi cái gì Và nó không khi nào nên làm gì ? Hãy cùng xem xét dưới đây nhé ?
AI hoạt động như thế nào ?
Tuy nhiên, những thành viên trong nhóm, những người chịu nghĩa vụ và trách nhiệm thiết kế xây dựng một mạng lưới hệ thống AI nên biết cách giải quyết và xử lý thông tin và vấn đáp những câu hỏi. Nó đặc biệt quan trọng quan trọng để mọi người hiểu được sự độc lạ giữa cách họ học và cách mà một cỗ máy Machine Learning tập .
Ví dụ, một người nỗ lực nghiên cứu và phân tích một triệu điểm tài liệu sẽ cần đơn giản hóa nó theo một cách nào đó để hiểu ý nghĩa của nó có lẽ rằng bằng cách tìm trung bình hoặc tạo biểu đồ. Mặt khác, một thuật toán Machine Learning hoàn toàn có thể sử dụng mọi điểm tài liệu riêng không liên quan gì đến nhau khi nó triển khai những phép tính của nó. Đó là một chương trình giảng dạy được phát hiện bởi những quy mô sử dụng một bộ tài liệu nguồn vào và đầu ra hiện có .
Vì tài liệu là nền tảng cho năng lực của máy để cung ứng những câu vấn đáp hữu dụng, người quản trị nên bảo vệ rằng những thành viên trong nhóm của cô ấy có kiến thức về tài liệu cơ bản. Điều này có nghĩa là giúp mọi người hiểu được những số lượng đang nói gì với tất cả chúng ta, những xô lệch và sai sót hoàn toàn có thể ẩn trong chúng. Hiểu dữ liệu về nguyên vật liệu của AI, giúp mọi người hiểu AI giỏi về cái gì .
AI tốt ở chỗ nào ?
Các công cụ Machine Learning vượt trội khi chúng hoàn toàn có thể được huấn luyện và đào tạo để xử lý yếu tố bằng cách sử dụng số lượng lớn tài liệu đáng đáng tin cậy và đưa ra câu vấn đáp trong những tham số rõ ràng mà mọi người đã xác lập cho chúng. Phần mềm thống kê giám sát ngân sách của tôi là một ví dụ nổi bật : Nó có hóa đơn của hàng triệu người dùng để học hỏi và nó sử dụng chúng để giúp Dự kiến liệu một tách cafe từ Starbucks nên được phân loại là du lịch, văn phòng phẩm hay vui chơi .
Học những gì gọi là học tập tốt sẽ nhanh chóng giúp ai đó thấy được những gì Machine Learning không tốt. Các vấn đề là mới lạ, hoặc thiếu dữ liệu có ý nghĩa để giải thích chúng, vẫn còn tồn tại trong lĩnh vực hoạt động của con người.
Việc giúp nhân viên cấp dưới của bạn hiểu được sự độc lạ này bằng cách hiển thị cho họ những công cụ mà họ đã sử dụng được cung ứng bởi AI, trong tổ chức triển khai hoặc bên ngoài nó ( như khuyến nghị dịch vụ tiếp thị quảng cáo xã hội hoặc quảng cáo trực tuyến ). Những ví dụ này sẽ giúp những thành viên trong nhóm phát huy tiềm năng to lớn của AI, nhưng cũng có những hạn chế .
AI không nên làm gì ?
Chỉ vì Machine Learning hoàn toàn có thể xử lý yếu tố không có nghĩa là nó nên luôn làm như vậy. Ví dụ, một cỗ máy không hề hiểu được những thành kiến mà tài liệu bật mý, cũng như những quan điểm của lời khuyên mà nó đưa ra. Có thể sẽ có 1 số ít yếu tố mà tổ chức triển khai của bạn không khi nào nên nhu yếu ứng dụng AI xử lý .
Ví dụ, tôi sẽ không muốn một thuật toán đưa ra quyết định hành động ở đầu cuối trong công ty của mình về việc thuê ai, luận bàn gì trong cuộc họp hội đồng quản trị hoặc cách quản trị một nhân viên cấp dưới thao tác kém. Nếu nhân viên cấp dưới đã nghĩ về những hạn chế về tính đúng đắn đạo đức của AI, họ hoàn toàn có thể là những người bảo vệ quan trọng chống lại việc lạm dụng nó .
Các tổ chức triển khai sẽ làm tốt nhất trong thời đại mưu trí nhân tạo sẽ rất giỏi trong việc tìm kiếm thời cơ cho AI để giúp nhân viên cấp dưới triển khai việc làm hàng ngày tốt hơn và hoàn toàn có thể thực thi những ý tưởng sáng tạo đó một cách nhanh gọn. Họ sẽ rõ ràng về nơi tiến hành Machine Learning và nơi để tránh nó .
Bên cạnh những khoản góp vốn đầu tư vào công nghệ tiên tiến, họ sẽ nhắc nhở những nhóm của họ về tầm quan trọng của những chuyên ngành của con người : tương hỗ đồng nghiệp, tiếp xúc tốt và thử nghiệm những ý tưởng sáng tạo mới lạ. Để sẵn sàng chuẩn bị cho AI lan tỏa, cả một nhóm tổ chức triển khai cũng sẽ cần chuẩn bị sẵn sàng .
Kết luận
Nhân viên trong toàn công ty của bạn hoàn toàn có thể phát hiện ra loại trái cây hoàn toàn có thể hái được ở tầm thấp, nơi AI hoàn toàn có thể làm cho tổ chức triển khai của bạn hiệu suất cao hơn, nhưng chỉ khi họ có kiến thức tối thiểu về AI. Bất kỳ thành viên nào trong nhóm của bạn sẽ hoàn toàn có thể vấn đáp những câu hỏi sau :
✓ AI hoạt động giải trí như thế nào ? Các thành viên trong nhóm, những người có nghĩa vụ và trách nhiệm kiến thiết xây dựng một mạng lưới hệ thống AI, dù sao cũng nên biết cách nó giải quyết và xử lý thông tin và vấn đáp những câu hỏi. Hiểu dữ liệu về nguyên vật liệu của AI, giúp mọi người hiểu AI giỏi về cái gì .
✓ AI giỏi cái gì ? Các công cụ Machine Learning vượt trội khi chúng hoàn toàn có thể được giảng dạy để xử lý yếu tố bằng cách sử dụng số lượng lớn tài liệu đáng an toàn và đáng tin cậy và đưa ra câu vấn đáp trong những tham số rõ ràng mà mọi người đã xác lập cho chúng. Giúp nhân viên cấp dưới của bạn hiểu sự độc lạ này bằng cách hiển thị cho họ những công cụ họ đã sử dụng được phân phối bởi AI, trong tổ chức triển khai hoặc bên ngoài tổ chức triển khai .
✓ AI không khi nào nên làm gì ? Chỉ vì Machine Learning hoàn toàn có thể xử lý yếu tố không có nghĩa là nó nên làm hết. Nếu nhân viên cấp dưới hiểu được những hạn chế về đạo đức của AI, họ hoàn toàn có thể là những người bảo vệ quan trọng chống lại việc lạm dụng nó .
Tác giả : Emma Martinho-Truswell – Insights You Need from Harvard Business Review
BẠN ĐÃ ĐĂNG KÝ THÀNH CÔNG !
