Các bài viết về trí tuệ nhân tạo thường bắt đầu với ý định gây sốc cho độc giả, thông tin đó có thể từ việc tham khảo các tác phẩm khoa học viễn tưởng hoặc thống kê đáng báo động về việc mất việc sắp xảy ra. Nhưng chúng tôi nghĩ rằng chúng ta tiến gần hơn đến trung tâm của AI khi chúng ta nghĩ về những cách nhỏ bé và thực tế trong đó AI làm cho công việc trở nên dễ dàng hơn một chút. Và nó không nhất thiết là các chuyên gia AI trong tổ chức của bạn, những người sẽ xác định những vấn đề thực tế này mà AI có thể giúp giải quyết. Thay vào đó, các nhân viên trong toàn tổ chức sẽ có thể phát hiện ra những loại trái cây treo ở thấp, nơi AI có thể giúp tổ chức của bạn hoạt động hiệu quả hơn, nhưng chỉ khi họ biết AI có khả năng làm gì và không nên làm gì.
Ví dụ: tôi quản lý tài chính cho một nhóm đi du lịch rất thường xuyên và tôi rất biết ơn về những phỏng đoán phức tạp rằng phần mềm chi phí của tôi trích từ các khoản thu bằng cách sử dụng Machine Learning : tên của thương gia, số tiền, thuế và chi phí. Việc tìm kiếm cơ hội cho loại cải tiến thông minh này, tiết kiệm thời gian và năng lượng của con người, không chỉ là một thách thức lãnh đạo. Đây là một cuộc tìm kiếm được thực hiện bởi càng nhiều người trong tổ chức 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 có thể có ý tưởng về những gì máy bay không nên được sử dụng, điều này có thể gây ra những kết quả tích cực như giảm tiếng ồn máy bay ở giữa các thành phố hoặc hạn chế các chuyến bay tốn kém cho những chuyến đi rất ngắn.
Khi các nhà lãnh đạo trong các công ty, tổ chức phi lợi nhuận hoặc chính phủ đầu tư vào trí tuệ nhân tạo, phần lớn sự chú ý của họ dành cho việc thuê các chuyên gia Machine Learning hoặc trả tiền cho các công cụ công nghệ. Nhưng điều này bỏ lỡ một cơ hội quan trọng. Để các tổ chức có được nhiều lợi ích nhất có thể từ AI, họ cũng nên đầu tư vào việc giúp tất cả các thành viên trong nhóm hiểu rõ hơn về công nghệ.
Khi hiểu rõ về Machine Learning có thể khiến nhân viên dễ dàng phát hiện ra các ứng dụng tiềm năng trong công việc của chính mình. Nhiều ứng dụng hứa hẹn nhất cho Machine Learning sẽ rất hữu ích và đây là lúc công nghệ có thể hữu ích nhất : tiết kiệm thời gian của mọi người, để họ có thể tập trung vào nhiều nhiệm vụ mà họ làm tốt hơn máy móc.
Xem thêm : Ứng dụng của Machine Learning trong sản xuất
Một trợ lý điều hành có hiểu biết tốt hơn về Machine Learning có thể gợi ý rằng phần mềm lịch học rõ ràng hơn từ các mô hình phát triển thêm giờ, nhắc nhở anh ta khi ông chủ của anh ta đã không gặp một thành viên trong nhóm trong một thời gian dài bất thường. Một lịch học các mẫu có thể cho trợ lý điều hành nhiều thời gian hơn cho các chuyên môn của con người trong công việc của mình, chẳng hạn như giúp ông chủ của mình quản lý một nhóm.
Vậy thì, tất cả nhân viên của bạn nên học gì về AI? Có ba câu hỏi quan trọng mà bất kỳ thành viên nào trong nhóm của bạn sẽ có thể trả lời: Trí tuệ nhân tạo hoạt động như thế nào? Nó giỏi cái gì Và nó không bao giờ nên làm gì? Hãy cùng xem xét dưới đây nhé ?
AI hoạt động như thế nào ?
Tuy nhiên, các thành viên trong nhóm, những người chịu trách nhiệm xây dựng một hệ thống AI nên biết cách xử lý thông tin và trả lời các câu hỏi. Nó đặc biệt quan trọng để mọi người hiểu được sự khác biệt giữa cách họ học và cách mà một cỗ máy Machine Learning tập.
Ví dụ, một người cố gắng phân tích một triệu điểm dữ liệu sẽ cần đơn giản hóa nó theo một cách nào đó để hiểu ý nghĩa của nó có lẽ bằng cách tìm trung bình hoặc tạo biểu đồ. Mặt khác, một thuật toán Machine Learning có thể sử dụng mọi điểm dữ liệu riêng lẻ khi nó thực hiện các phép tính của nó. Đó là một chương trình đào tạo được phát hiện bởi các mô hình sử dụng một bộ dữ liệu đầu vào và đầu ra hiện có.
Vì dữ liệu là nền tảng cho khả năng của máy để cung cấp các câu trả lời hữu ích, người quản lý nên đảm bảo rằng các thành viên trong nhóm của cô ấy có kiến thức về dữ liệu cơ bản. Điều này có nghĩa là giúp mọi người hiểu được những con số đang nói gì với chúng ta, những sai lệch và sai sót có thể ẩn trong chúng. Hiểu dữ liệu về nhiên 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 có thể được đào tạo để giải quyết vấn đề bằng cách sử dụng số lượng lớn dữ liệu đáng tin cậy và đưa ra câu trả lời trong các tham số rõ ràng mà mọi người đã xác định cho chúng. Phần mềm tính toán chi phí của tôi là một ví dụ điển hình: Nó có hóa đơn của hàng triệu người dùng để học hỏi và nó sử dụng chúng để giúp dự đoán liệu một tách cà phê từ Starbucks nên được phân loại là du lịch, văn phòng phẩm hay giải trí.
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 của bạn hiểu được sự khác biệt này bằng cách hiển thị cho họ các công cụ mà họ đã sử dụng được cung cấp bởi AI, trong tổ chức hoặc bên ngoài nó (như khuyến nghị dịch vụ truyền thông xã hội hoặc quảng cáo trực tuyến). Những ví dụ này sẽ giúp các 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 có thể giải quyết vấn đề không có nghĩa là nó nên luôn làm như vậy. Ví dụ, một cỗ máy không thể hiểu được những thành kiến mà dữ liệu tiết lộ, cũng như những ý kiến của lời khuyên mà nó đưa ra. Có thể sẽ có một số vấn đề mà tổ chức của bạn không bao giờ nên yêu cầu ứng dụng AI giải quyết.
Ví dụ, tôi sẽ không muốn một thuật toán đưa ra quyết định cuối cùng trong công ty của mình về việc thuê ai, thảo luận gì trong cuộc họp hội đồng quản trị hoặc cách quản lý một nhân viên làm việc kém. Nếu nhân viên đã nghĩ về những hạn chế về tính đúng đắn đạo đức của AI, họ có thể là những người bảo vệ quan trọng chống lại việc lạm dụng nó.
Các tổ chức sẽ làm tốt nhất trong thời đại thông minh nhân tạo sẽ rất giỏi trong việc tìm kiếm cơ hội cho AI để giúp nhân viên thực hiện công việc hàng ngày tốt hơn và có thể thực hiện những ý tưởng đó một cách nhanh chóng. Họ sẽ rõ ràng về nơi triển khai Machine Learning và nơi để tránh nó.
Bên cạnh các khoản đầu tư vào công nghệ, họ sẽ nhắc nhở các nhóm của họ về tầm quan trọng của các chuyên ngành của con người: hỗ trợ đồng nghiệp, giao tiếp tốt và thử nghiệm các ý tưởng mới lạ. Để sẵn sàng cho AI lan tỏa, cả một nhóm tổ chức cũng sẽ cần sẵn sàng.
Kết luận
Nhân viên trong toàn công ty của bạn có thể phát hiện ra loại trái cây có thể hái được ở tầm thấp, nơi AI có thể làm cho tổ chức của bạn hiệu quả hơn, nhưng chỉ khi họ có kiến thức tối thiểu về AI. Bất kỳ thành viên nào trong nhóm của bạn sẽ có thể trả lời các câu hỏi sau:
✓ AI hoạt động như thế nào? Các thành viên trong nhóm, những người có trách nhiệm xây dựng một hệ thống AI, dù sao cũng nên biết cách nó xử lý thông tin và trả lời các câu hỏi. Hiểu dữ liệu về nhiên 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 có thể được đào tạo để giải quyết vấn đề bằng cách sử dụng số lượng lớn dữ liệu đáng tin cậy và đưa ra câu trả lời trong các tham số rõ ràng mà mọi người đã xác định cho chúng. Giúp nhân viên của bạn hiểu sự khác biệt này bằng cách hiển thị cho họ các công cụ họ đã sử dụng được cung cấp bởi AI, trong tổ chức hoặc bên ngoài tổ chức.
✓ AI không bao giờ nên làm gì? Chỉ vì Machine Learning có thể giải quyết vấn đề không có nghĩa là nó nên làm hết. Nếu nhân viên hiểu được những hạn chế về đạo đức của AI, họ 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
