چرا هوش مصنوعی ، چیز قابل اطمینانی برای افزایش بهره وری نیست؟ بخش دوم
کارکنان با تفکر در مورد عصر فوق پیشرونده هوش مصنوعی ، از افزایش بهره وری نظیر ابزارها لذت می برند در حالی که کارگران تمایل به محاسبه زمان قبل از پوشش شغل توسط R2-D2 دارند. جاکوس بوگین و همکاران برآورد کرده اند که در آینده ، 50 درصد همه کارهایی که امروزه توسط انسان انجام می شوند می توانند توسط هوش مصنوعی و یادگیری ماشینی انجام شوند و این موضوع توسط پریتویراج چادوری ، پروفسور دانشگاه کسب و کار هاروارد مطرح شده است. به طورکلی این را می توان به بهره وری 1 درصد یا بیشتر ترجمه کرد. اما معلوم می شود که مدتها قبل از آنکه روباتها کارگران را به طور کامل جایگزین کنند ، کارگران در صورت استفاده از ابزارهای مبتنی بر AI برای انجام کار خواهند کرد.
آیا علم کامپیوتر ضروری است؟
Choudhury و همکارانش علاقه مند به پیدا کردن اینکه آیا داشتن زمینه ای در علوم رایانه و مهندسی (CS & E) توانایی استفاده از ابزار مبتنی بر هوش مصنوعی را برای کارآیی آنها بهبود می بخشد. محققان به منظور اطمینان از اینکه میزان تجربه قبلی کار در دفتر نتایج را تحمل نخواهند کرد ، محققان "امتحان کنندگان ثبت اختراع" را استخدام می کنند که کاملا شفاف می باشند: دانشجویان MBA از HBS. برای آزمایش ، آنها به هر یک از 221 دانش آموز تقاضای ثبت اختراع را با پنج ادعا نسبتا مبهم که برای هنر پیشین وجود داشت ، به ثبت رساندند. نیمی از دانش آموزان به طور تصادفی برای استفاده از ابزار جستجوی بولین و نیمی از استفاده از ابزار یادگیری ماشین اختصاص داده شدند.
علاوه بر این ، آنها نیمی از دسترسی هر گروه به مشاوره تخصصی را برای کمک به آنها در جستجوی سوالات خود ارائه دادند. این توصیه ، به میزان قابل توجهی برای محققان ، برای دانش آموزان واجد پاسخ مناسب بود. چادوری می گوید: "بدون مشاوره ، هیچ کس گلوله نقره ای نمی گیرد - مهم نیست که آیا از یادگیری بولین یا ماشین استفاده می کنید." "این اعتبار سنجی از تجربه انسانی یک امتحان واقعی ثبت اختراع است که از سالهای تجربه تشکیل شده است."
محققان دریافتند که برای کسانی که این توصیه را دریافت کرده اند ، بهره وری کارکنان بسته به پیشینه آنها افزایش یافته یا کاهش یافته است. کسانی که تجربه CS & E دارند با ابزار یادگیری ماشین بهتر عمل می کنند ، در حالی که کسانی که بدون CS & E تجربه می کنند با ابزار بولین بهتر عمل می کنند. برای این آزمایش ، محققان به این نکته توجه نکردند که ابزار بهتر است؛ با این حال ، چودوری چنین می گوید: واقعیت این است که بسیاری از مدیران فروشگاه در حال پیشبرد فن آوری AI هستند ، امیدوارند که این افزایش بهره وری را بهبود بخشد. با این حال، چادوری می گوید: "در اکثریت قریب به اتفاق ، آن ها توسط افرادی بدون تجربه ی دانش کامپیوتر استفاده خواهند شد."
این به همان معنی است که فردی با پس زمینه علوم انسانی می تواند از ماکرو در اکسل استفاده کند؛ آنها ممکن است در نهایت آن را تشخیص دهند ، اما به عنوان یک فرد با پس زمینه در آمار ، کارایی نخواهد داشت. اگر فروشگاه های آنلاین برای کمبود تجربه دانش کامپیوتر در کارکنان جبران نکنند ، آنها خطر شکست تکنولوژی هایی را که برای بهبود عملیات خود اتخاذ کرده اند، ریسک می کنند.
چودوری می گوید: "اگر تجربه گذشته کسی در دنیا از فن آوری قدیمی برخوردار باشد ، ناگهان یک ابزار یادگیری ماشین بر آنها متمرکز است ، آنها حتی اگر ابزار ابزار خوبی باشند ، کارآمدتر خواهند بود."
این بدان معنا نیست که شرکت ها لزوما باید دانشمندان کامپیوتر را استخدام کنند. ممکن است که با آموزش های گسترده ، کارکنانی بدون چنین زمینه ای بتوانند به راحتی از ابزارهای یادگیری ماشین استفاده کنند. چادوری درحال آماده شدن برای انجام یک آزمایش بلندپروازانه در این سقوط با 1000 موضوع آماده است ، به افرادی که بدون CS & E تجربه تمرین در دست دارند برای دیدن اینکه آیا توانایی آنها را بهبود می بخشد.
چودوری می گوید: "ما شاهد خواهیم بود که در مرحله دوم ، این افراد به دام افتاده و شکاف بهره وری محدود می شود."