خلاصة كتاب : العمل مع الذكاء الاصطناعي
توصية
مستقبل العمل موجود هنا بالفعل. تستخدم قطاعات متنوعة مثل النقل العام والإعلان، الذكاء الاصطناعي اليوم. في هذا الكتاب المثير للاهتمام، يدرس خبراء تكنولوجيا المعلومات ستيفن ميلر وتوماس دافنبورت أمثلة على التكامل الناجح للذكاء الاصطناعي في مكان العمل. إنهم يتجاوزون الإحصائيات لرسم صورة تفصيلية للتأثيرات الحالية للذكاء الاصطناعي على الطريقة التي يعمل بها الناس ويسلطون الضوء على أسئلة حول المستقبل. سواء كنت قلقًا بشأن تأثيرات الذكاء الاصطناعي على عملك أو تفكر في قيادة تبني الذكاء الاصطناعي داخل مؤسستك، فستجد رؤى قيمة في نص ميلر ودافينبورت.
الوجبات الجاهزة
تتضمن أتمتة الذكاء الاصطناعي أنظمة قائمة على القواعد بالإضافة إلى أنظمة التعلم الآلي.
يعتقد غالبية الرعاة الذين تمت مقابلتهم بنموذج اعتماد الذكاء الاصطناعي الذي يزيد من إنتاجية العمال، بدلاً من استبدالهم.
يعمل الذكاء الاصطناعي على تعزيز التكامل بين الأعمال وعمليات تكنولوجيا المعلومات، مما يخلق طلبًا على الأدوار المختلطة.
تعد المعرفة العميقة للعاملين في الخطوط الأمامية بأدوارهم أمرًا ضروريًا لنجاح تكامل الذكاء الاصطناعي.
للذكاء الاصطناعي تأثيرات متنوعة على الطلب على العمال المبتدئين.
لا تزال هناك أشياء كثيرة لا تستطيع الآلات القيام بها.
ملخص
تتضمن أتمتة الذكاء الاصطناعي أنظمة قائمة على القواعد بالإضافة إلى أنظمة التعلم الآلي.
يقوم مهندسو الذكاء الاصطناعي ببناء أنظمة قائمة على القواعد باستخدام عبارات if-then المتعددة. يقومون بتدريب أنظمة التعلم الآلي على البيانات المصنفة. أنظمة التعلم الآلي قادرة على اكتشاف الأنماط في هذه البيانات والتي تنشرها بعد ذلك لتفسير البيانات غير المسماة. في مكان العمل، يؤدي الذكاء الاصطناعي العديد من الوظائف، بما في ذلك:
التنبؤات
التوصيات
التصنيفات (مثل العملاء المحتملين للمبيعات)
البحث عن معلومات محددة في مستند
أتمتة العملية
"يعمل الكثير من الأشخاص اليوم مع الذكاء الاصطناعي بشكل يومي. لقد وجدنا هذا يحدث في الشركات الكبيرة والصغيرة، في المكاتب، في المصانع، في المزارع، وعبر مجموعة واسعة من مهام العمل المعرفية والإدارية.
أصبحت أتمتة الذكاء الاصطناعي وتعزيزه في مكان العمل منتشرة بالفعل ويمكن ملاحظتها في العديد من أماكن العمل اليوم. في مورجان ستانلي، يقدم الذكاء الاصطناعي توصيات مخصصة للمنتجات والبرامج بناءً على الملف الشخصي والمحفظة المحددة للعميل. يقرر المستشار المالي مدى أهمية المطالبات بناءً على معرفته الشخصية بالعميل. وهذا يسمح بتواصل أكثر كفاءة مع العملاء، حيث يمكن للذكاء الاصطناعي أن يصمم التوصيات بشكل فعال لكل عميل إلى درجة لن يكون لدى المستشارين البشريين الوقت الكافي للقيام بها. أفاد المستشارون أنهم، بمساعدة نظام الذكاء الاصطناعي، قادرون على تقديم نصائح أكثر تخصيصًا لعدد أكبر من العملاء.
وفي مركز جويل التجاري في سنغافورة، يعمل نظام الذكاء الاصطناعي الآن على أتمتة عملية تقديم تقارير الحوادث لفريق الأمن بشكل جزئي. يقوم الذكاء الاصطناعي بملء التقارير مسبقًا بالبيانات ذات الصلة ويسهل تضمين معلومات إضافية مثل الصور والفيديو من نظام CCTV.
يعتقد غالبية الرعاة الذين تمت مقابلتهم بنموذج اعتماد الذكاء الاصطناعي الذي يزيد من إنتاجية العمال، بدلاً من استبدالهم.
إن رعاة مبادرة اعتماد الذكاء الاصطناعي هم القوة الدافعة لها في مكان العمل الحديث. عادة، يحدد كبار المديرين الرؤية التي تشكل التغييرات في العمليات التجارية ورعاية التدريب الجديد للموظفين.
هناك، بشكل عام، تأثيران يمكن أن تحدثهما الأتمتة على الوظائف: استبدال العمل البشري من خلال الأتمتة الكاملة أو زيادة العمل البشري من خلال الأتمتة الجزئية. وحتى الآن، كانت الزيادة هي الاتجاه السائد. في عام 2018، أجرت شركة ديلويت دراسة استقصائية للمديرين التنفيذيين في الولايات المتحدة. قال 63% من المطلعين على الذكاء الاصطناعي إنهم سيستبدلون العمال بالآلات لتوفير التكاليف، لكن هذا لم يكن الدافع الرئيسي للمسؤولين التنفيذيين لاعتماد الذكاء الاصطناعي. وكان المسؤولون التنفيذيون أكثر اهتماماً بتحسين المنتجات أو العمليات الداخلية، والمساعدة في اتخاذ القرار وتحرير الموظفين للتركيز على المهام الإبداعية.
"إذا كنت قلقًا بشأن تأثير الذكاء الاصطناعي على الوظائف، فيجب أن يكون خبرًا جيدًا أن البشر في العديد من الأدوار المختلفة مطالبون ببناء هذه الأنظمة ونشرها وتشغيلها والحفاظ عليها.
قام بنك DBS، وهو أكبر بنك في جنوب شرق آسيا، بتطبيق الذكاء الاصطناعي لدعم محللي مكافحة غسيل الأموال. ساعد الذكاء الاصطناعي في الجوانب الأكثر رتابة للتحليل، مما حرر المحللين لدراسة التهديدات الناشئة بشكل أكثر فعالية. وبدلاً من العمل على استبدال الموظفين في نهاية المطاف بالذكاء الاصطناعي، كان المسؤول التنفيذي الذي يقود التغيير في DBS مهتمًا بمساعدة العاملين من البشر على أداء وظائفهم بشكل أفضل. خلق هذا الهدف بيئة آمنة للموظفين الذين يعملون مع الذكاء الاصطناعي؛ لقد شجعتهم على تقديم الملاحظات والمساهمة بالمعرفة والتعاون مع الذكاء الاصطناعي.
وتواجه الاقتصادات الرائدة شيخوخة السكان ونقصا في القوى العاملة، لذلك من المرجح أن تبدأ الشركات في استخدام المزيد من الأتمتة للتعويض عن نقص العرض، بدلا من استبدال الموظفين. وفي حين أن العدد الإجمالي للعمال الذين تحتاجهم الشركات التي تستخدم التعزيز قد يكون أقل، فإن القوى العاملة في العديد من الشركات التي شملتها الدراسة لم تتقلص، بل استمرت في النمو بفضل نمو الأعمال ــ والذي كان في حد ذاته راجعا إلى زيادات الإنتاجية المدفوعة بالذكاء الاصطناعي.
لا يعتمد التنفيذ الفعال لأنظمة الذكاء الاصطناعي على التكنولوجيا الجديدة فحسب، بل يعتمد أيضًا على نماذج الأعمال الجديدة والعمليات التجارية ومهارات العمال. في حين أن الذكاء الاصطناعي سيحل محل العديد من الأدوار أو يزيدها، فإنه يخلق أيضًا أدوارًا جديدة تشارك في تخطيط أنظمة الذكاء الاصطناعي وتصميمها ونشرها ومراقبتها وتحسينها.
يعمل الذكاء الاصطناعي على تعزيز التكامل بين الأعمال وعمليات تكنولوجيا المعلومات، مما يخلق طلبًا على الأدوار المختلطة.
تاريخيًا، لم يفهم الأشخاص الذين يعملون في مجال الأعمال وتكنولوجيا المعلومات عمل بعضهم البعض. تغطي الأدوار التجارية أنشطة مثل الموارد البشرية والتسويق والتمويل والإدارة. تغطي أدوار تكنولوجيا المعلومات إنشاء أو تكوين أنظمة تكنولوجيا المعلومات التي يستخدمها الأشخاص، بالإضافة إلى الأدوار المستندة إلى البيانات مثل علماء البيانات، والمتخصصين في التحليلات، ومهندسي الذكاء الاصطناعي/التعلم الآلي، ومهندسي البيانات. يمكن القول إن هناك الآن فجوة معرفية إضافية بين فرق الذكاء الاصطناعي وغيرهم من المتخصصين في تكنولوجيا المعلومات.
تعمل الأدوار متعددة الوظائف على سد الفجوة بين تكنولوجيا المعلومات والمعرفة التجارية. في بعض الأحيان، يتضمن هذا التجسير تنسيقًا رفيع المستوى، مثل مدير المنتج لأنظمة وخدمات الذكاء الاصطناعي في Shopee، وهي منصة للتجارة الإلكترونية في جنوب شرق آسيا، والذي يضمن التوافق عبر المؤسسة ويضع اللمسات الأخيرة على قرارات أصحاب المصلحة المتعددين. ويعني ذلك في بعض الأحيان فرقًا متعددة التخصصات تركز بشكل أكثر تحديدًا على الحوكمة أو الامتثال أو الأخلاق. يقوم فريق ممارسات الذكاء الاصطناعي الأخلاقي في Salesforce بالتوعية لحث الأفراد على التفكير في الآثار الأخلاقية لقراراتهم ودعم الفرق الأخرى التي تحاول حل أسئلة أخلاقية محددة، مثل تجنب التحيز في مجموعات البيانات المستخدمة لتدريب الذكاء الاصطناعي.
إن الحاجة إلى هذه الأدوار المتخصصة لتكون بمثابة حلقة وصل بين مجموعتين معرفيتين تظلان منفصلتين في الغالب تؤكد الفجوة التي لا تزال قائمة بين معظم الأفراد في مجال تكنولوجيا المعلومات وأولئك الذين يشغلون أدوارًا تجارية. لكن يبدو أن هذا بدأ يتغير. الآن، تميل الشركات التي تدمج الذكاء الاصطناعي إلى أن يكون لديها شخص واحد على الأقل في دور تجاري يركز بشدة على حل مشاكل العمل المتعلقة بالبيانات والتكنولوجيا. على الرغم من أن تدريبهم الرسمي يكون في مجال الأعمال التجارية، إلا أن هؤلاء الأشخاص قد تعلموا ما يكفي عن التكنولوجيا التي يعملون بها ليصبحوا على دراية بمحترفي تكنولوجيا المعلومات. ومن المرجح أن يستمر هذا الاتجاه لأنه نتيجة طبيعية لاختراق عمليات تكنولوجيا المعلومات في كل جانب من جوانب الأعمال.
"أصبح لدى العديد من الأشخاص في أقسام تكنولوجيا المعلومات الآن خلفيات تجارية بدلاً من الخلفيات التقنية.
بالإضافة إلى ذلك، تتوقع العديد من الشركات الآن أن يكون لدى متخصصي تكنولوجيا المعلومات لديهم فهم قوي لمشاكل العمل التي يعملون على حلها. على سبيل المثال، تتطلب خدمة التصميم عبر الإنترنت Stitch Fix أن يتعلم علماء البيانات لديها كيفية تصميم أنماط العملاء. إن الفهم المتعمق لكيفية استخدام المصممين للحلول التقنية لتكنولوجيا المعلومات يسمح لرئيس علم البيانات بتقييم تأثيرات خيارات البرمجة الخاصة به بشكل أفضل.
في كثير من الأحيان، يرى الأشخاص الطموحون فرصة لدمج حلول تكنولوجيا المعلومات أو الذكاء الاصطناعي في مؤسساتهم وتعلم المهارات اللازمة للقيام بذلك. بدأت جينيفر شميتش من شركة Intuit، وهي شركة تقدم البرمجيات المالية، عملها ككاتبة نصوص قبل أن تجد فرصة للبدء في استخدام Writer.com، وهو مساعد كتابة يعمل بالذكاء الاصطناعي. صممت شميش دورها كمهندس محتوى مع رئيسها، وتترأس الآن فريقًا صغيرًا يمكنه تنسيق القواعد مثل أدلة الأسلوب واللغة الموحدة لآلاف الكتاب.
يتعين على الشركات التنافسية أن تتبنى البيانات. وهذا يعني أن عدد الأدوار المختلطة لأعمال تكنولوجيا المعلومات سوف يزداد. تصر الشركات ذات التفكير المستقبلي على أن يتعرف متخصصو تكنولوجيا المعلومات على عمل وحدات أعمالهم والعكس صحيح.
تعد المعرفة العميقة للعاملين في الخطوط الأمامية بأدوارهم أمرًا ضروريًا لنجاح تكامل الذكاء الاصطناعي.
تعد المعرفة المهنية للعاملين في الخطوط الأمامية أمرًا ضروريًا من أجل دمج الذكاء الاصطناعي بشكل فعال في العمل الذي يقومون به. غالبًا ما يُطلب منهم تقييم اقتراحات أو مخرجات الذكاء الاصطناعي، مما يجعل حكمهم المهني أكثر أهمية من أي وقت مضى. لهذا السبب، قد يمثل تدريب الموظفين الذين ليس لديهم خبرة كبيرة في دورهم للعمل مع الذكاء الاصطناعي تحديًا.
رأى العاملون في الخطوط الأمامية الذين تمت مقابلتهم أن دورهم ضروري لتقييم اقتراحات الآلة، ودمج تفكير الصورة الكبيرة والتنسيق مع الأشخاص الآخرين. ذكر الكثيرون أن الذكاء الاصطناعي قلل من الكدح وجعل وظائفهم أكثر تحفيزًا فكريًا. ومع ذلك، وجد البعض أن التركيز المتزايد على التواصل والعمل الفكري جعل وظائفهم أكثر تطلبًا. في كل دراسة حالة تم إجراؤها لهذا الكتاب، زادت إنتاجية الموظفين مع تكامل الذكاء الاصطناعي.
"ومن الآن فصاعدا، ستستمر جهود تصميم النظام وجهود النشر وجهود الدعم التشغيلي المستمرة بعد النشر في العمل بشكل أفضل من خلال المدخلات التشاركية والدعم القوي من العاملين في الخطوط الأمامية.
إن تكليف الأفراد من جميع أنحاء المؤسسة ليس فقط باعتماد الحلول الآلية ولكن للمساعدة في تصميمها يسمح باتباع نهج دقيق. وجد فريق أتمتة العمليات الروبوتية التابع لوكالة الإعلانات والعلاقات العامة الدولية اليابانية Dentsu أن الشركة، مثل العديد من أماكن العمل كثيفة المعرفة، لم تعتمد على عمليات تجارية واسعة النطاق وسهلة التشغيل الآلي. وبدلاً من ذلك، وجد الفريق قائمة طويلة من المهام الصغيرة الخاصة بعمل الأفراد، لذلك تواصلوا مع الموظفين من جميع أنحاء الشركة. لقد زودوهم بالتدريب والأداة التي تتيح لهم تصميم إجراءات التشغيل الآلي الخاصة بهم لمهامهم المتكررة. وبذلك تم توفير حوالي 3500 ساعة عمل.
للذكاء الاصطناعي تأثيرات متنوعة على الطلب على العمال المبتدئين.
في بعض الصناعات، يكون الاتجاه هو توظيف عدد أقل من العمال المبتدئين. من الواضح أن هذا هو الحال بالنسبة للعمل البدني الروتيني مثل تقليب البرجر أو إزالة الأعشاب الضارة، بالإضافة إلى العمل العقلي الروتيني المحدد بوضوح شديد مثل عمليات الفحص البصري لمراقبة الجودة. نتيجة لتكامل الذكاء الاصطناعي، أصبح لدى Haven Life/MassMutual الآن حاجة أقل لمتعهدي التأمين المبتدئين لأنهم يميلون إلى أداء المهام التي قامت الشركة بأتمتتها. ومع ذلك، لا يزالون بحاجة إلى ضامنين ذوي خبرة لقدرتهم على تقييم مخرجات نظام الذكاء الاصطناعي والتعامل مع الحالات غير الروتينية.
من ناحية أخرى، يمكن للتدريب المدعوم بالذكاء الاصطناعي أن يخفض بالفعل حاجز الدخول إلى بعض الوظائف. على سبيل المثال، يستخدم متجر الآلات الخطية PBC نظام تدريب واقع معزز مدعوم بالذكاء الاصطناعي يسمى Taqtile لتسريع تدريب عمال التصنيع. تعمل Taqtile مع نظام الواقع المعزز الذي يستخدم الذكاء الاصطناعي للتكيف مع كل مستخدم، وتحقيق مستوى من الدقة اللازمة للتدريب على ورشة الآلات. يوفر النظام مستوى من التدريب الشخصي الذي كان يتطلب في السابق وقتًا فرديًا مع المدرب، مما يسمح للموظفين الجدد بالتعلم بالسرعة التي تناسبهم.
"نفس التكنولوجيا... يمكن أن تقلل من الفرص المتاحة للعمال المبتدئين من خلال زيادة الإنتاجية وتوسيع فرص العمل على مستوى المبتدئين من خلال مستويات معززة من التدريب والتوجيه ودعم الأداء.
يمكن لأنظمة الذكاء الاصطناعي أن تساعد أيضًا من خلال تحسين الوصول إلى الوظائف للمجموعات التي تعاني من عيوب في القدرات. عقدت Dentsu شراكة مع AutonomyWorks، المتخصصة في خلق فرص عمل للأشخاص المصابين بالتوحد ومعالجة احتياجات العمليات المتكررة للشركات، لإنشاء أدوات عمل خاصة للموظفين المصابين بالتوحد.
يمثل تناقص عدد فرص العمل للمبتدئين مشكلة نظامية للاقتصاد والمجتمع. وفي حين أنه لا يزال يتعين علينا أن نرى ما هو التأثير الذي سيحدثه اعتماد الذكاء الاصطناعي على نطاق واسع، فإن فقدان المناصب المبتدئة في القطاعات القائمة على المعرفة يشكل تهديدا خطيرا.
لا تزال هناك أشياء كثيرة لا تستطيع الآلات القيام بها.
يظل الحكم البشري عنصرًا أساسيًا في معظم الأعمال التي يعززها التعلم الآلي:
لا يستطيع الذكاء الاصطناعي فهم السياق – لا يستطيع المبرمجون التقاط السياق في مجموعات البيانات المستخدمة لتدريب خوارزميات التعلم الآلي، ولا يمكنهم التقاط مثل هذا المفهوم الواسع في القواعد الخوارزمية. ونتيجة لذلك، لا يستطيع الذكاء الاصطناعي استخدام البيانات لسرد قصة متماسكة، أو تأطير مشكلة، أو إصدار أحكام ذاتية، أو النظر في الآثار الاجتماعية والأخلاقية الأوسع نطاقا لأفعاله.
تمثل الأنظمة المعقدة أيضًا حجر عثرة أمام الذكاء الاصطناعي، حيث إن العديد من الأنظمة البشرية معقدة للغاية بالنسبة للذكاء الاصطناعي. وهذا يعني أن الذكاء الاصطناعي لا يمكنه التمييز بين التنبيهات المهمة وغير المهمة في البيئات المعقدة، مثل الأماكن العامة الخاضعة للمراقبة الأمنية. ولا يستطيع التفاوض أو تنسيق القرارات بين المجموعات ذات الأولويات المختلفة أو المتطورة، ولا يمكنه إقناع الأفراد بتبني سلوكيات جديدة أو إزالة العقبات التنظيمية لدفع التغيير التنظيمي.
لا يزال الذكاء الاصطناعي غير قادر على فهم المواقف العاطفية - على الرغم من التصوير الشائع لأنظمة الذكاء الاصطناعي التي تطور علاقات مع البشر، مثل تلك الموجودة في الأفلام Her and Ex Machina، لا يستطيع الذكاء الاصطناعي فهم الاحتياجات العاطفية، أو بناء علاقات مع البشر، أو تعزيز الرضا الوظيفي، أو تحليل معنويات الموظفين. لهجة الاتصال الكتابي. حتى أداة Writer AI تواجه مشكلة في تحليل النغمة، كما أن أنظمة الذكاء الاصطناعي المستخدمة في تحليلات وسائل التواصل الاجتماعي ليست جيدة في التعرف على السخرية.
الذكاء الاصطناعي لا يعتمد على نفسه، فلا يزال الذكاء الاصطناعي يعتمد على المساعدة البشرية لإعداد الأنظمة المادية أو البيئات اللازمة لالتقاط البيانات لتحليلها، وإصلاح الذكاء الاصطناعي عندما يتعطل، ونقل المعرفة من الخبراء البشريين إلى أنظمة الذكاء الاصطناعي.
لكل هذه الأسباب، لا يزال البشر بحاجة إلى أن يكون لهم الكلمة الأخيرة عندما يتعلق الأمر بالتوصيات التي يصدرها الذكاء الاصطناعي.
"إحدى المزايا العظيمة لعمل البشر والآلات الذكية جنبًا إلى جنب هي أن البشر يمكنهم التأكد من أن القرار الآلي هو "معقول".
من المهم أن يفهم البشر الذين يعملون مع الآلات العمليات التجارية التي تم تدريب الذكاء الاصطناعي على تسهيلها، حتى يتمكنوا من فهم أسباب قرارات الذكاء الاصطناعي ويكونوا قادرين على تحديد مدى ملاءمتها. وبالمثل، تحتاج أنظمة الذكاء الاصطناعي إلى وظائف لتقديم تفسيرات للقرارات التي تتخذها للعاملين من البشر، حتى يتسنى للبشر الحصول على المعلومات التي يحتاجون إليها لتقييم تلك القرارات. على سبيل المثال، يشتمل نظام مكافحة غسيل الأموال التابع لبنك DBS على لوحة معلومات تشرح درجات المخاطر الناتجة عن الذكاء الاصطناعي. كما أن تفسير قرارات الذكاء الاصطناعي يشجع العمال على شراء تكامل الذكاء الاصطناعي في أدوارهم.
عن المؤلفين
توماس دافنبورت هو أستاذ تكنولوجيا المعلومات والإدارة في كلية بابسون ومستشار أول للذكاء الاصطناعي في شركة Deloitte Analytics. ستيفن ميلر هو أستاذ فخري لنظم المعلومات في جامعة سنغافورة للإدارة.
تعليقات
إرسال تعليق