Άνθρωποι και μηχανές – καλύτεροι μαζί

Διονύσης Διαμαντόπουλος @ 30.01.2019
Άνθρωποι και μηχανές – καλύτεροι μαζί

Οι επιχειρήσεις έχουν ξεκινήσει να υιοθετούν μια νέα γενιά  αυτοματισμών. Ο τρόπος με τον οποίο οι επικεφαλής των επιχειρήσεων προετοιμάζουν αυτή τη νέα εποχή του αυτοματισμών θα είναι καθοριστικός για την επιτυχία ή την αποτυχία τους.

Οι επιχειρήσεις υιοθετούν μια νέα γενιά αυτοματισμών. Πολλοί πιστεύουν ότι η τεχνολογία θα βελτιώσει σημαντικά τον κόσμο των επιχειρήσεων, αλλά και την κοινωνία. Άλλοι φοβούνται ότι θα αντικαταστήσει τον ανθρώπινο παράγοντα στην εργασία και ότι αποτελεί υπαρξιακή απειλή για τον τρόπο ζωής μας.

Οι αντικρουόμενες αυτές απόψεις περί έξυπνης αυτοματοποίησης - που περιλαμβάνει τόσο τη ρομποτική αυτοματοποίηση διαδικασιών (robotic process automation - RPA) όσο και την τεχνητή νοημοσύνη (AI) - θυμίζουν το κλίμα που επικρατούσε πριν από 150 χρόνια όταν ο ηλεκτρισμός άρχισε να μετασχηματίζει την παγκόσμια οικονομία. Η ηλεκτρική ενέργεια οδήγησε στην εισαγωγή νέων προϊόντων, ενώ άλλαξε τον τρόπο με τον οποίο επικοινωνούμε, εργαζόμαστε και ζούμε κατά τρόπους τους οποίους λίγοι είχαν φανταστεί έως τότε.

Ο τρόπος με τον οποίο οι επικεφαλής των επιχειρήσεων προετοιμάζονται για τη νέα εποχή αυτοματισμών θα είναι καθοριστικός για την επιτυχία ή την αποτυχία τους. Κατά το 19ο και στις αρχές του 20ου αιώνα οι άνθρωποι προσάρμοσαν την εργασία τους στο νέο ηλεκτρικό κόσμο κατά τον ίδιο τρόπο με τον οποίο οι σημερινοί εργαζόμενοι θα μάθουν να συνεργάζονται με την τεχνητή νοημοσύνη και τις έξυπνες μηχανές. Παρακάτω παρουσιάζονται τρεις τρόποι με τους οποίους οι ηγεσίες των επιχειρήσεων μπορούν να προετοιμάζουν το προσωπικό τους, αλλά και τον εαυτό τους, αντιλαμβανόμενες ότι, ενώ η τεχνητή νοημοσύνη διαφέρει από οτιδήποτε έχει προϋπάρξει - διαθέτουμε ωστόσο ένα ιστορικό προηγούμενο για να μας καθοδηγήσει: τον ηλεκτρισμό.


Καθιέρωση κουλτούρας μάθησης

Οι επικεφαλής των επιχειρήσεων θα χρειαστεί να οικοδομήσουν μια κουλτούρα μάθησης που βασίζεται στην καινοτομία και τον πειραματισμό. Η ταχύτητα των αλλαγών προϋποθέτει ένα εργατικό δυναμικό το οποίο προσαρμόζεται γρήγορα. Πρέπει να έχουν την ικανότητα να αναγνωρίζουν τις προκλήσεις και τις ευκαιρίες με μη-γραμμικούς τρόπους. Η κουλτούρα μάθησης θα βοηθήσει τους εργαζομένους να κατανοήσουν τις τεχνολογίες που βασίζονται στη μηχανική μάθηση και τα επιχειρηματικά μοντέλα. Θα φέρει επίσης στο φως ευκαιρίες για συνέργειες με παραδοσιακούς συμμάχους αλλά και πρώην ανταγωνιστές εντός και εκτός των κλάδων τους.

Η χρήσης της τεχνητής νοημοσύνης απαιτεί την ικανότητα έξυπνης αξιοποίησης της τεχνολογίας. Αυτό περιλαμβάνει την υιοθέτηση νέων γνωστικών δεξιοτήτων και δημιουργικότητας ευρείας βάσης ώστε να κατανοεί κανείς πώς η τεχνητή νοημοσύνη προσθέτει αξία στην επιχείρηση ως σύνολο. Στο μέλλον η γνώση κώδικα, η νομική εξειδίκευση, ή ακόμα και η άσκηση της ιατρικής δεν θα επαρκούν εάν αυτοί οι επαγγελματίες αδυνατούν να οραματιστούν τους τρόπους με τους οποίους η τεχνητή νοημοσύνη θα επιτρέψει στις επιχειρήσεις τους να λειτουργούν καλύτερα.


Κατάλληλη εκπαίδευση της τεχνητής νοημοσύνης

Η μηχανική μάθηση αποτελεί το στοιχείο αυτό της τεχνητής νοημοσύνης που επιτρέπει στις εφαρμογές να «εκπαιδεύονται» από την έκθεση σε δεδομένα και από την ανατροφοδότηση από τους ανθρώπους. Η διαχείριση της μάθησης των μηχανών και η δυνατότητά τους να οικοδομούν πάνω στη γνώση που αποκτούν αλληλεπιδρώντας με πελάτες ή υπαλλήλους θα αποβεί κρίσιμη για την παροχή μιας ολοκληρωμένης εκπαίδευσης στις μηχανές.

Μια από τις μεγαλύτερες τράπεζες στον κόσμο αναπτύσσει προηγμένες τεχνολογίες συνομιλίας τεχνητής νοημοσύνης που θα φέρουν τους πελάτες πιο κοντά στην τράπεζα. Ωστόσο, καθώς πρόκειται ακόμα για πρώιμα στάδια εφαρμογής, οι τεχνολογίες αυτές είναι περιορισμένες και προσθέτουν μικρότερη αρχική αξία για τους πελάτες, καθώς οι εφαρμογές τεχνητής νοημοσύνης χρειάζονται χρόνο για να «μάθουν», να εκτεθούν σε δεδομένα, να λάβουν ανατροφοδότηση και να προσαρμοστούν. Η κατανόηση του τρόπου με τον οποίο αυτές οι νέες τεχνολογίες βελτιώνονται και η ικανότητα εξήγησης του τρόπου λειτουργίας και λήψης αποφάσεων από τα συστήματα, είναι κρίσιμες για τους σκοπούς της εφαρμογής και για τις αποφάσεις διακυβέρνησης.


Επαναπροσδιορισμός της παραγωγικότητας στην εποχή της τεχνητής νοημοσύνης

Η εποχή του ηλεκτρισμού έφερε δυνατότητες φωταγώγησης, επικοινωνίας και πληροφόρησης, ενισχύοντας σε μεγάλο βαθμό την παραγωγικότητα και προσφέροντας στους εργαζόμενους καλύτερες συνθήκες, μεταξύ των οποίων τα φώτα και τους κινητήρες, με στόχο να βελτιώσουν την ταχύτητα και την ποιότητα της δουλειάς τους. Το φως επέτρεψε την 24ωρη παραγωγικότητα και οι ηλεκτρικοί κινητήρες έθεσαν σε κίνηση μηχανές και εργαλεία που βελτίωσαν τις δεξιότητες, την άνεση και την ταχύτητα της εργασίας. Η εποχή της τεχνητής νοημοσύνης θα έχει ακόμα μεγαλύτερη επίδραση στον κόσμο της εργασίας. Η τεχνητή νοημοσύνη, όπως και ο ηλεκτρισμός, έχει τη δυνατότητα να «φωτίζει» τα δεδομένα και να προσφέρει γνώσεις που, μέχρι πρότινος, ήταν στην αφάνεια. Η τεχνητή νοημοσύνη αποτελεί επίσης βασική πηγή ισχύος για την αυτοματοποίηση και την έξυπνη επικοινωνία, δίνοντας μεγαλύτερη αυτονομία στις μηχανές ενώ συνεχίζουν να εργάζονται παράλληλα με τους ανθρώπους και για λογαριασμό τους. Όπως και ο ηλεκτρισμός, η τεχνητή νοημοσύνη από μόνη της δεν μπορεί να κάνει πολλά. Πρέπει να υπάρχει μια καλοσχεδιασμένη εφαρμογή την οποία και θα ενεργοποιήσει.

Η πρόκληση για τις επιχειρήσεις είναι να θέσουν στην υπηρεσία τους την τεχνητή νοημοσύνη για να βελτιώσουν την παραγωγικότητα και την ποιότητα. Οι άνθρωποι θα πρέπει να δημιουργήσουν τις εφαρμογές και στη συνέχεια να τις «εκπαιδεύσουν», παρακολουθήσουν και να τις διαχειριστούν αλλά και βελτιώσουν τις διαδικασίες της εργασίας που αυτοματοποιείται και βελτιώνεται χάρη στην τεχνητή νοημοσύνη. Η συνεργασία ανθρώπου-μηχανής μπορεί να βελτιώσει τα πρότυπα και τη συνέπεια των προϊόντων και των υπηρεσιών. Δίνει επίσης τη δυνατότητα στις επιχειρήσεις να επανεξετάσουν τον τρόπο με τον οποίο αλληλεπιδρούν με τους πελάτες. Αν αυτό γίνει σωστά, οι εργαζόμενοι θα μπορούν να εστιάζουν σε πιο αποτελεσματικές εργασίες, ενώ θα εξασφαλίζεται μεγαλύτερη αξία στην εταιρεία και καλύτερη εμπειρία για τους πελάτες.

Η εργασία των ανθρώπων στο πλευρό των αυτοματοποιημένων «συναδέλφων» τους μπορεί να αποδειχθεί ιδιαίτερα ανταποδοτική, μειώνοντας τις επαναλαμβανόμενες εργασίες. Έχουμε δημιουργήσει έναν αναγνώστη εξόδων βασισμένο στην τεχνητή νοημοσύνη, που «διαβάζει» τη φορολογική νομοθεσία και προτείνει αποφάσεις σχετικά με τους τρόπους δικαιολόγησης των εξόδων, λαμβάνοντας ανατροφοδότηση από τους ειδικούς και μαθαίνοντας, όσο εκτίθεται σε περισσότερες συναλλαγές. Το σύστημα απελευθερώνει χρόνο για τους εργαζόμενους υψηλής κατάρτισης για να επιλύουν προβλήματα, να αλληλεπιδρούν με τους πελάτες και να κάνουν πιο αποτελεσματικές, πολύτιμες και καινοτόμες εργασίες.

Στα τέλη του 19ου αιώνα, αναδύθηκε μια νέα γενιά ηγετών, οι οποίοι δημιούργησαν νέες επιχειρήσεις και αναδιαμόρφωσαν κλάδους υιοθετώντας την καινοτομία - ακόμα και όταν δεν κατανοούσαν πλήρως τις δυνατότητές της. Για την κατανόηση των δυνατοτήτων της τεχνητής νοημοσύνης, οι σημερινοί ηγέτες θα πρέπει να σκεφτούν με εκθετικούς ρυθμούς και να απαντήσουν σε υπαρξιακά ερωτήματα. Ακόμα και αν δε μπορούν να διαμορφώσουν πλήρη εικόνα του μέλλοντος, μπορούν να καθιερώσουν κουλτούρες μάθησης, να «εκπαιδεύσουν» κατάλληλα την τεχνητή νοημοσύνη και να επαναπροσδιορίσουν την παραγωγικότητα, ώστε να αξιοποιήσουν στο έπακρο την δύναμη της συνεργασίας ανθρώπου και μηχανής.

 

Ο Διονύσης Διαμαντόπουλος είναι Γενικός Διευθυντής, Συμβουλευτικό Τμήμα, KPMG

ΡΟΜΠΟΤΙΚΗ,ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ,KPMG,

Σχόλια

ΠΑΡΑΚΑΛΩ ΠΕΡΙΜΕΝΕΤΕ. ΦΟΡΤΩΝΟΝΤΑΙ ΠΕΡΙΣΣΟΤΕΡΑ...

Home