Anonim

For virksomheder betyder dette to ting: De bliver nødt til at implementere AI på it-niveau, og på ledelsesniveau skal de beskæftige sig med et ændret virksomhedslandskab. At lede mennesker, der arbejder med AI, er en ny opgave, der har lidt til fælles med de traditionelle ledelsesstil og praksis i de seneste årtier.

KI rejser mange spørgsmål, herunder kritiske spørgsmål:

  • Vil AI gøre eksisterende job forældede i dag? - ret sikker.

  • Vil AI tage etisk-moralske beslutninger for os? - sandsynligvis.

  • Vil arbejdstagere acceptere deres "kolleger" fra AI? - det afhænger.

Ob die Zusammenarbeit von Mensch und KI harmonisch ausfallen wird, ist noch nicht ausgemacht. Hier ist vor allem gute Führung gefragt.
Hvorvidt samarbejdet mellem mennesker og AI vil være harmonisk, er endnu ikke klart. Frem for alt kræves et godt lederskab.
Foto: John Williams RUS - shutterstock.com

Hvad taler vi nøjagtigt om, når vi siger kunstig intelligens? Udtrykket intelligens antyder en bevidsthed, som maskiner ikke har indtil videre. Wikipedia foreslår definitionen af ​​AI: "Computer science, der beskæftiger sig med automatisering af intelligent opførsel og maskinlæring".

Kun maskinlæring tillader dybden af ​​information, som AI har brug for. Set fra virksomhedsledelse betyder det, at de i fremtiden vil bruge maskiner, der "kender" mere i morgen, end de gør i dag. Som et resultat vil disse maskiner handle og reagere anderledes i morgen, end de gør i dag. Dette er nøjagtigt det vigtigste argument for AI: når kompleksiteten øges, vil der i sidste ende ikke være nogen vej rundt om at lære maskiner. For ledere betyder det, at de skal være i stand til at lede læringsmaskiner sammen med mennesker.

Første forhindring: grænseflader

Industrielle robotter er standard i dag, de bruges normalt fast installeret til svejsning eller skrue. I det næste udviklingsstadium tilføjes robotter, der også kan levere tjenester med og på mennesker, såsom husholdnings- og plejeobotter eller kirurgiske og behandlingsroboter. De vil støtte, forbedre, kompensere eller skabe nye muligheder for mennesker.

Selv på softwareniveau vil maskinlæring være i stand til at gøre mange ting, som folk stadig gør i dag. Her er potentialet for besparelser endnu større, fordi programmering og læring er mindre kompliceret end med mobile robotter. Derudover er timeløn for regnskabsfolk, advokater eller arkitekter højere end for husholdnings- og plejearbejdere.

Er du interesseret i Kunstig intelligens og maskinlæring? Læs derefter også:

  • Hvorfor AI ikke er en homogen teknologi, og at "AI" ikke findes

  • FAQ Kunstig intelligens

  • Fem grundlæggende principper for at opnå merværdi med AI

  • De bedste værktøjer til TensorFlow

I industriel robotik kan en robots handlinger og reaktioner programmeres nøjagtigt, og miljøet kan designes, så processen er planlagt at være sikker. Men med autonome og mobile robotter skal grænsefladerne mellem mennesker og AI være meget mere fleksible, og algoritmerne skal designes til en kompleks og ikke fuldt ud forudsigelig - siden menneskelig - interaktion.

For så vidt angår servicerobotter, skal AI være i stand til at reagere fleksibelt på menneskelige handlinger som sprog, bevægelser, ansigtsudtryk osv., Og samtidig programmeres semantisk for at kunne fortolke dem i den respektive kontekst. Mand og AI / robotter skal acceptere hinanden som en informations- og interaktionspartner.

For forholdet mellem manager og AI opstår spørgsmålet om, hvorvidt det gør nogen forskel at støde på en fysisk kunstig intelligens, såsom en robot eller at interagere med en "adskilt" AI. Indtil videre er det for de fleste mennesker lettere at acceptere den fysiske robot. Han er mere sympatisk end den nedlagte computerstemme eller nogen anden form for adskilt kommunikation.

Hantel fra AI?

Menneskelig adfærd inkluderer også den naturlige effektivitet ved kun at opretholde eller udvikle de nødvendige færdigheder. Så vi outsourcer vores hukommelse mere og mere i computere, mobiltelefoner og internettet og delegerer stave til tekstbehandleren. Med indførelsen af ​​AI vil denne opførsel sandsynligvis intensiveres igen.

Især hvis AI-ledere mister beslutningstagningen med hensyn til strategi eller operationer, kan dette føre til usikkerhed og svag beslutningstagning blandt de berørte. Vil mennesker miste visse kognitive, analytiske eller manuelle færdigheder ved at delegere aktiviteter til AI? Det kan være, at vi i løbet af få årtier vil betragte denne betragtning som grundløs paranoia. Men spørgsmålet om, hvorvidt vi vil opgive og muligvis endda miste færdigheder og evner med stigningen i AI, som vi en dag grundlæggende vil mangle, bør stilles.

Vores sociale færdigheder kan også blive påvirket af at håndtere AI. Assistenter med digitalt sprog som Siri eller Alexa er eftertragtende tilbageholdne med at reagere på menneskelige overgreb og fornærmelser. Hvis vi vænner os til, at vores fiaskoer ikke har nogen konsekvenser for AI, er der en risiko for, at vi udvikler nye adfærdsmønstre, som vil have negativ indflydelse på vores sociale sameksistens med andre mennesker.

Når alt kommer til alt ved vi ikke endnu, hvordan fordeling af opgaver mellem AI og menneske vil se ud. At robotik kan skabe nye job er velkendt. Imidlertid kan det ske inden for AI-området, at der ikke længere opstår nye job med højere kvalifikationer (upskillingseffekt), men AI efterlader kun manden resterne og dermed lavere aktiviteter (downskill-effekt).

Hvilke styringsopgaver påtager AI sig?

I fremtiden vil KI støtte ledere i lederprocessen og endda delvis overtage deres opgaver. En nylig undersøgelse af IT- og AI-konsulentvirksomheden Avanade fra Seattle viser, at 85 procent af direktørerne mener, at det at drive en virksomhed i fremtiden lige så længe ville betyde at styre både mennesker og maskiner. Det var forudsætningen for en vellykket anvendelse af AI i virksomheden.

AI vil dog ikke kun være genstand for ledelse, men også støtte det. Dette rejser spørgsmålet om, hvorvidt AI også skal påtage sig lederansvar. Teknologien til styring af selv komplekse beslutninger er allerede delvist klar i dag og vil blive videreudviklet. Vil vi delegere ledelsesansvar og derfor også etisk-moralske beslutninger til maskiner?

Dette spørgsmål har længe været kendt i forbindelse med autonom kørsel. En selvkørende bil, der i en given trafiksituation kun har mulighederne for at køre over en fodgænger eller ramme en forhindring og således bringe bilens beboere i fare, skal uafhængigt træffe en beslutning. Føreren ønsker at overleve og foretrækker en bil, der beskytter ham i enhver trafiksituation. Fodgængere og cyklister er naturligvis forskellige. Producenter skal programmere en beslutning, der er relevant for hele samfundet, i softwaren og vil sandsynligvis kunne stilles til ansvar for dette.

Ligesom bilproducenten er virksomhedsledere nødt til at svare for de involverede AIs beslutninger. Dette gælder både juridiske spørgsmål og konsekvenser i den offentlige opfattelse.

Med dårlige data fører mand og maskine dårligt

KI vil have en varig indflydelse på vores tankegang og støtte bedømmelsen af ​​de ledende. Algoritmer er i stand til at behandle et meget større antal problemløsninger end mennesker - på baggrund af en meget større datamængde. De ændringer, AI har medført, har en grundlæggende indflydelse på enkeltpersoner og samfundet. Dette vedrører både social handling og rolleforståelsen (også for ledere) såvel som den sociale og politiske opfattelse og opinionsdannelse.

Grundlaget for algoritmer er data. Ligesom en menneskelig beslutningstager kan algoritmer muligvis tage forkerte beslutninger på grund af ufuldstændige eller fejlagtige data. Som med mennesker er rigtigheden af ​​de underliggende oplysninger den stærkeste garanti for korrekte beslutninger for AI.

Ønsker du at lære mere om maskinlæring? Læs her:

  • Overvåget og uovervåget læring

  • Forme fremtiden med maskinlæring

  • Deep Learning - træning gør forskellen

Hvis datakvaliteten er rigtig, kan morgendagens ledere få en betydelig fordel ved at bruge AI. I fremtiden vil mange af dem ansætte et lille, højt kvalificeret personale af dataanalytikere og informationsarkitekter, som vil hjælpe dem med at drage de rigtige konklusioner med de relevante KI-assisterede data.

I dette scenarie bliver mennesket ikke overflødigt: hans specielle evne vil være at tage beslutninger ved observation og abstraktion, selv med ufuldstændige data. Balancen mellem menneskelig-intellektuel og følelsesmæssig intelligens kan (stadig) ikke modellere AI i den samme plasticitet og variation.

Lederskab er ikke kun baseret på tal, data og fakta, men også på empati, kreativitet og karisma. Ansvarligt lederskab og meningsfuld delegering af ansvar forbliver en udfordring, selv med AI. AI vil ikke være i stand til at tage ansvar for vanskelige beslutninger. Det skal heller ikke misbruges, så ledere bruger dem til at flytte deres ansvar til teknologi. Beslutninger bør forblive et menneskeligt domæne. Selvom de ofte ikke er lette eller endda ikke populære, bliver de ikke deporteret til AI.

Den tekniske udvikling og de retningslinjer, som AI opstiller for fremtidige ledere, indebærer ikke at miste den fremtidige medarbejder synet. Enhver, der designer en AI-strategi, bør også tænke på en langsigtet talentstrategi. De digitale indfødte, der presser på for specialist- og lederstillinger, vil kræve digitalisering og netværk fra deres arbejdsgivere. Du vil være meget dynamisk og kompleks med AI eller den intelligente maskine. Tekniske krav skal imødekommes, men den afgørende faktor er, om det vil være muligt at forene folks behov med de fakta, der er oprettet af AI.

Teknologiens grænser

AI bruges allerede i mange områder af virksomheden. Rekruttering af specialister og ledere er en af ​​dem. Her kan intelligente værktøjer forudvælge, så personale og specialafdelinger kan koncentrere sig om den endelige beslutning. CV'er og ansøgningsdokumenter kan evalueres og evalueres digitalt i dag. De første virksomheder starter allerede deres jobsamtale fra en computer. AI analyserer ikke kun indholdet af ansøgerens svar på standardiserede spørgsmål, men også via webcam hans ansigtsudtryk, stemme og så vidt muligt også den ikke-verbale kommunikation.

Her er det også vigtigt, at folk foretager den endelige valg, især da AI ikke er immun mod diskrimination. To eksempler illustrerer, hvor let objektivitetsorienterede læringsprogrammer kan gøre det modsatte på grund af slurvede eller subjektivt valgte læringsdata:

Læring af mennesker : For et stykke tid siden uddannede et tysk universitet et system, så det kiggede over en persons skulder, når man evaluerede CV'er og dermed lærte sine beslutningsparametre. Den overtog også denne persons subjektive præferencer og fordomme.

Diskriminerende parametre : Det andet eksempel er fra USA. Der brugte et firma for nylig en AI-algoritme til at forudvælge indkommende applikationer i henhold til specifikke kriterier. Det var vigtigt for virksomheden at udelukke forskelsbehandling. Resultaterne viste imidlertid, at AI uforholdsmæssigt havde valgt hvide ansøgere, og at andre etniske grupper var meget forsømt.

Efter intensiv kontrol af softwaren blev det klar over, at ansøgernes bopæl havde forårsaget problemet. Virksomheden har hovedkontor i en stor by i USA, og jo længere derfra er hjemmefra for at arbejde for ansøgeren, desto mere negativt var det for egnetheden. Men nu var de fornemme forstæder, for det meste beboet af hvide, tættere på virksomhedens hovedkvarter end dem, hvor mange andre etniske grupper var. Dette førte til forskelsbehandling, som skulle udelukkes af den angiveligt objektive algoritme. (Hv)