Automation eller förstärkning? Två tillvägagångssätt för AI i ett företag | AI i affärer #124

Vad är automatisering och förstärkning i samband med AI i ett företag?

Automatisering och förstärkning är motsatta men ömsesidigt beroende krafter. Faktum är att företag står inför ett val: Ska de skära kostnader och automatisera uppgifter, vilket eliminerar mänskligt deltagande i processen? Eller, med fokus på kvalitet och personalisering, förbättra medarbetarnas kapabiliteter och förbättra resultaten genom AI-förstärkning, vilket innebär nära samarbete mellan människor och artificiell intelligens? Deras komplementära färdigheter skulle då kombineras för att utföra en specifik uppgift.

Paradoxen med automatisering och förstärkning är en fråga som moderna organisationer måste konfrontera. Att förstå skillnaden och synergierna mellan de två begreppen är avgörande för en framgångsrik implementering av AI i affärslivet.

Automatisering

Automatisering är processen att ersätta mänskliga, repetitiva aktiviteter med programvara. Innan eran av den snabba utvecklingen av generativ artificiell intelligens var automatisering endast tillämplig på rutinmässiga och välstrukturerade uppgifter, såsom:

• att fylla i fakturor,
• att skapa rapporter,
• att sammanfatta utgifter,
• enkel kundservice baserad på valet av nästa steg i samtalet genom att trycka på en knapp.

Organisationer kunde automatisera processer baserat på expertkunskap kodad i form av algoritmer som definierar relationer mellan villkor (“om”) och konsekvenser (“då”). Sådan automatisering var baserad på en uttryckligen definierad domänmodell, dvs. en representation av domänkunskap som optimerar en vald nyttjandefunktion.

Utvecklingen av generativ artificiell intelligens har dock medfört radikala förändringar inom automatisering. Inte bara kan de nya modellerna svara mycket mer flexibelt på indata, utan de kan också utföra kommandon som uttrycks på naturligt språk. Med andra ord, istället för att utföra kommandon baserat på explicita regler, kan de utföra uppgifter baserat på kontextuell förståelse.

Källa: DALL·E 3, prompt: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Men automatiseringar som använder artificiell intelligens medför betydande risker.

Den första är farorna med att automatisera beslutsfattande – ett problem som utvecklare av autonoma fordon, bland andra, står inför. Till exempel, när ett fordon måste göra en manöver på bråkdelen av en sekund eftersom det inte finns något sätt att undvika en kollision.

Den andra risken kommer från att förlita sig på prediktiva algoritmer. Även om ett företag skulle vilja implementera ett automatiserat alternativ för att följa datadrivna rekommendationer från artificiell intelligens, måste en människa ta ansvar för de beslut som fattas.

En tredje typ av risk är användningen av generativ artificiell intelligens som, med otillräcklig data, börjar hallucinerar, det vill säga ger sannolika men falska svar. Till exempel kan det generera falska nyheter eller ge kunder falska svar på frågor. Att navigera mellan fördelarna och riskerna med automatisering kräver därför noggrann analys och förberedelse.

Förstärkning

Förstärkning är processen att använda AI för att förbättra mänsklig intelligens och färdigheter, snarare än att ersätta dem eller agera oberoende. Med den växande betydelsen av förstärkning i miljöer som kräver komplex beslutsfattande, antar organisationer alltmer detta tillvägagångssätt. För mer komplexa uppgifter där regler och modeller inte är helt kända, möjliggör förstärkning att naturlig och artificiell intelligens arbetar nära tillsammans.

Detta beror på att förstärkning är en iterativ, ko-evolutionär process där människor lär sig av AI och AI lär sig av människor. I detta avseende bör rollen för artificiell intelligens utformas för att möjliggöra mänsklig övervakning i alla skeden av en given process. Det kräver involvering av domänexperter, vars expertis ofta är tyst till sin natur, härledd från års erfarenhet och intuition, vilket gör det svårt eller omöjligt för AI att direkt ersätta dem.

Förstärkning gör att människor och artificiell intelligens kan förstärka varandra, kombinera maskinens rationalitet med mänsklig intuition, sunt förnuft och professionell erfarenhet. Detta tillvägagångssätt möjliggör mer omfattande informationsbearbetning och bättre beslutsfattande.

Vid parfymföretaget Symrise, till exempel, arbetade parfymerare nära med AI-systemet för att generera idéer för nya dofter (https://www.thefreelibrary.com/Can+AI+pass+the+smell+test%3F+Deploying+artificial+intelligence+can+be…-a0578441404). Genom förstärkning kunde experterna utnyttja maskinens förmåga att bearbeta massiva mängder data samtidigt som de tillämpade sin egen kunskap för att tolka och kontextualisera resultaten. Resultaten blev innovativa dofter som kunderna älskade.

Källa: DALL·E 3, prompt: Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Smidiga övergångar – från automatisering till förstärkning och tillbaka igen

Relationen mellan automatisering och förstärkning är dynamisk. Den möjliggör sömlösa övergångar mellan de två tillvägagångssätten. Det nära samarbetet mellan människor och AI inom förstärkning hjälper till att identifiera regler och modeller som sedan kan användas för att automatisera en given uppgift, vilket leder till innovation och effektivitet.

Organisationer bör därför medvetet iterera mellan de separata uppgifterna att automatisera och förstärka, och göra ett långsiktigt åtagande till båda.

En annan åtgärd som kommer att stärka kopplingen mellan automatisering och förstärkning är skapandet av autonoma agenter, dvs. artificiell intelligens som inte bara kan automatisera uppgifter, utan också planera processer och utfärda kommandon till andra system utan mänsklig intervention. Utvecklingen av nästa generations AI-lösningar kommer också att göra det möjligt inom en snar framtid att skapa prototyper och innovativa tjänster baserade på behovsanalys.

Sammanfattning

Automatisering och förstärkning representerar två motsatta men ofta ömsesidigt beroende tillämpningar av artificiell intelligens inom ledarskap. En balanserad strategi som kombinerar styrkorna hos båda begreppen är nyckeln till att uppnå komplementaritet som gynnar både affärer och samhälle.

För att effektivt hantera denna spänning bör organisationer:

• komma ihåg ansvaret för att skapa transparenta och säkra system med hjälp av AI,
• ha i åtanke ansvaret för ledningsprocesser, och betrakta AI som ett verktyg för att assistera snarare än att ersätta chefer,
• integrera de två tillvägagångssätten genom att medvetet iterera mellan dem och utnyttja varandras styrkor,
• implementera strikta kontroller och transparensmekanismer för att upptäcka och korrigera fel och snedvridningar i AI-system.

Framför allt bör de också investera i att utveckla medarbetarnas färdigheter och kompetenser så att de kan arbeta effektivt med artificiell intelligens som en del av förstärkning.

Att framgångsrikt kombinera dessa två AI-krafter kommer inte bara att göra organisationer mer effektiva och innovativa, utan också hjälpa till att bygga ett mer rättvist och hållbart samhälle. Nyckeln är att förstå att automatisering och förstärkning bör samexistera i harmonisk synergi, inte konkurrera som alternativ.

Om du gillar vårt innehåll, gå med i vår aktiva bi-gemenskap på Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.