云服务器价格_云数据库_云主机【优惠】最新活动-搜集站云资讯

网站服务器_阿里云rocketmq_评分榜

小七 141 0

作者:Dinesh Sharma、Sam Yen、Markus Noga、Erik Marcade、Chandran Saravana和Danielle Beurteaux

知识工作者应该期待人工智能成为同事而不是替代品。但人工智能可能会对组织结构和决策造成严重破坏,除非他们准备好适应。

尽管人们担心人工智能(AI)会夺走我们所有的工作,但现实可能不会那么戏剧性。除了不需要独立思考的重复性工作之外,人工智能与人类的协作,而不是彻底的替代,才是工作的未来。工作将被共享,一些任务委托给人工智能,并在一定程度上由人类监控。麦肯锡公司(McKinsey&Co.)的数据显示,60%的工作岗位的某些任务的自动化程度可能达到30%或更高。

但要让人工智能像笔记本电脑一样普及,还需要进行重大的技术和文化变革。我们所知的公司结构可能会消失,因为传统的等级制度会被具有不同重点和价值观的新模式所取代。与此同时,高管和员工需要为企业带来的技能也将发生变化。创造力和解决问题的能力将成为人类最宝贵的能力。

最好现在就开始为组织做准备。

良好的设计创造了与技术的共生关系。如果人工智能技术的目的是增强人的能力,那么它必须具有赋予人的个性,为人类创造最佳的体验,尽量减少挫折感和最大的效率。

例如,人工智能程序可以设计为根据上下文提供建议,返利商城系统开发,类似于亚马逊提供给消费者的建议他们在网站上购物。人工智能可以根据相似职位的人使用什么来推荐应用程序,推荐合作和网络,研究来源,甚至在适当的时候进行干预来帮助人类同事。

旧金山的风险投资公司彭博贝塔(Bloomberg Beta)合伙人詹姆斯·查姆(James Cham)说,我们看到的是思维方式的根本转变。他说,传统软件一直注重精度和效率,而人工智能则是预测性的。"预测的记录,捕捉我的想法,计算那些预测是对的还是错的,并帮助告知那些预测,实际上将具有更高的价值,"他说,

我们每天花在寻找答案上的时间将被最小化,因为AI将拥有信息。然而,提出正确的问题将变得更加重要。不久的将来,管理人员将接受创造性思维的培训,从传统的强调程序性知识转变为以人工智能作为耐心、不知疲倦的研究助手解决非结构化问题。

为了给下一批管理人员提供与人工智能合作的工具,一些顶级商学院,包括哈佛商学院(Harvard Business School)和麻省理工学院(MIT)斯隆管理学院(Sloan School of Management)在内的商学院最近开始在MBA课程中开设人工智能协作课程。我们的目标不仅是教育学生一般的人工智能,而且教他们如何使用它作为一个决策工具。其中一个课程将包括如何利用人工智能创建最佳团队。

湛说,战略优势将来自那些最了解他们创建的人工智能模型的人。它们将是增长最快、效率提高最快的公司。"他说:"高管们不仅应该拥有他们拥有的每一款应用程序的清单,还应该拥有他们部署的每一款应用程序的清单。"如果他们想继续投资,淘客如何推广,或者希望它变得更好,新零售企业应用中心,他们应该知道他们从这种模式中得到了什么样的回报。他们什么时候相信这个模型自己做决定,或者什么时候说‘我们需要对它进行监督?’?"

但在这些重大的文化转变发生之前,企业必须考虑如何部署这项技术。许多人仍然认为人工智能只是在劳动力替代方面,或是作为解决商业问题的灵丹妙药。"我认为,一般来说,这种粗粒度的思维是没有帮助的,而且实际上是不准确的,"查姆说,

可行性是在工作场所实施人工智能的另一个重要因素。仅仅因为自动化是可能的并不意味着它是实用的或成本效益。在某些情况下,可视化数据大屏,至少在可预见的未来,人力资源将保持较低的成本和更高的效率。

事实上,Cham认为大量资金将浪费在错误的人工智能投资上。"即使在你解决了技术问题之后,我们还有一个更大的问题,那就是我们没有好的经济框架来决定人工智能何时有意义我们需要更好的直觉,你在哪里可以得到更好的回报。人工智能补充了什么,它取代了什么?他说:"我认为这种思考是我们现在真正、真正需要的,

思考人工智能系统的正确方法是关注它们在降低预测成本方面的难以置信的价值。"但更关键的是,随着时间的推移,我们在哪里可以期望结果变得更好更快呢?"

人工智能对工作场所的影响将是巨大的。我们刚刚开始体验人工智能当前的实际应用,云教云,并了解它们在未来的发展。现在是时候开始为人工智能在工作场所的实施制定计划,并为未来的工作做好准备和培训员工了。想想如何重新设计过程,创造人类和人工智能能力的最佳组合,查姆说这是一个你关注什么的问题,你建立了什么样的团队和基础设施来做出更有效的决策和运行更好的流程下载"The Forrester Wave:Predictive Analytics And Machine Learning Solutions,2017年第1季度"

这篇文章是SAP Digitalist杂志文章的节选,人工智能与我共享办公室,并已获得许可重新发布。

关于作者: