در حالی که هوش مصنوعی به نظر می‌رسد که درخشان‌ترین اسباب‌بازی جدید جامعه است، تولیدکنندگان از زمان اولین ماشین‌های طراحی با کمک کامپیوتر در دهه ۷۰ میلادی، از هوش مصنوعی استفاده کرده‌اند. از بازوهای رباتیک که موتور هواپیما می‌سازند گرفته تا بینایی کامپیوتر که نقص‌های ریز را در لحظه تشخیص می‌دهد، تقریباً هر خط مونتاژ مدرن به اتوماسیون وابسته است. اگر هوش مصنوعی را از تولید خارج کنید، شاهد تولید کندتر، هزینه‌های بالاتر، کنترل کیفیت پایین‌تر و از دست دادن قابل توجه مزیت رقابتی خواهید بود.
با این حال، آنچه اخیراً تغییر کرده است، ظرفیت‌های تفکر عمیق هوش مصنوعی است. امروزه، فناوری دیگر صرفاً محرک کارایی نیست؛ بلکه به طور فزاینده‌ای قادر به استدلال پیچیده‌ای است که راه‌حل‌های نوآورانه تولید را آشکار می‌کند. برخی از کارخانه‌ها از هوش مصنوعی برای دستیابی به افزایش ۲ تا ۳ برابری بهره‌وری، بهبود ۵۰ درصدی سطح خدمات و کاهش ۳۰ درصدی مصرف انرژی استفاده می‌کنند. به همین دلیل است که بیش از سه چهارم (۷۸٪) سازمان‌ها در سراسر جهان در حال حاضر حداقل در یک عملکرد تجاری از هوش مصنوعی استفاده می‌کنند و بسیاری دیگر نیز قرار است از آن پیروی کنند.
اما این سطح جدید از وابستگی، سوالاتی را در مورد اخلاق نیز مطرح می‌کند. اگر تولیدکنندگان هنگام ساخت مجموعه فناوری خود شفافیت نشان ندهند، آیا می‌توانیم به هوش مصنوعی برای تصمیم‌گیری‌های بدون تعصب، مدیریت پایدار منابع و اولویت‌بندی ایمنی انسان اعتماد کنیم؟
چگونه هوش انسانی و ماشینی می‌توانند یکدیگر را تکمیل کنند
قبل از واگذاری مسئولیت‌های بیشتر به هوش مصنوعی، شرکت‌ها باید در مورد اصول و ضوابطی که کاربرد آن را هدایت می‌کنند، تصمیم بگیرند. در مرحله اول، باید برخی از معیارهای واضح رعایت شود. محصولات هوش مصنوعی و کاربردهای آنها نباید اصول مندرج در اعلامیه جهانی حقوق بشر را نقض کنند و استفاده از آنها باید با قوانین کشورهایی که برای آنها طراحی شده‌اند مطابقت داشته باشد. الزامات قانونی باید توسعه و اجرا را هدایت کنند و جایی برای انطباق باقی بگذارند – در صورت تشدید قوانین یا بروز خطرات جدید.
در مرحله بعد، تولیدکنندگان باید سطح دخالت و تأثیر هوش مصنوعی خود را تعیین کنند. سه رویکرد در مورد نقش هوش مصنوعی در تصمیم‌گیری وجود دارد:
انسان در فرماندهی (HIC): در اینجا، محصول هوش مصنوعی صرفاً به عنوان یک ابزار استفاده می‌شود. در همه زمان‌ها، مردم تصمیم می‌گیرند که چه زمانی و چگونه از نتایج ارائه شده توسط آن استفاده کنند. یک مثال زمانی است که یک ماشین مواد اولیه را بر اساس درجه کیفیت طبقه‌بندی می‌کند، اما یک کارگر انسانی طبقه‌بندی‌ها را بررسی می‌کند و همیشه تصمیم نهایی را در مورد استفاده از آنها می‌گیرد.
انسان در حلقه (HITL): در این رویکرد، افراد می‌توانند مستقیماً بر تصمیمات گرفته شده توسط یک محصول هوش مصنوعی تأثیر بگذارند یا آنها را تغییر دهند. به عنوان مثال، یک سیستم نگهداری پیش‌بینی مبتنی بر هوش مصنوعی ممکن است زمان نیاز به سرویس یک دستگاه را توصیه کند، اما یک تکنسین انسانی توصیه هوش مصنوعی را بررسی می‌کند. سپس، آنها ممکن است عوامل اضافی مانند ناهنجاری‌های عملکرد اخیر را در نظر بگیرند و تصمیم بگیرند که آیا فوراً تعمیر و نگهداری را برنامه‌ریزی کنند یا پیشنهاد را نادیده بگیرند.
انسان در حلقه (HOTL): این رویکرد مربوط به فناوری هوشمند خودمختار، مانند سیستم‌های ترمز اضطراری است. انسان‌ها پارامترهای تصمیم‌گیری را در طول فرآیند طراحی تولید تعریف می‌کنند، اما خود تصمیمات به محصول هوش مصنوعی واگذار می‌شود. با این حال، به کسانی که تحت تأثیر تصمیم قرار می‌گیرند نیز اجازه می‌دهد تا برای بررسی درخواست تجدیدنظر کنند و بررسی‌های گذشته‌نگر در مورد اینکه آیا فرآیندها به معنای مورد نظر انجام شده‌اند یا خیر را تضمین می‌کنند.
در حالی که هر سه رویکرد به هوش مصنوعی درجات مختلفی از استقلال می‌دهند، هر یک از آنها یک توصیف‌کننده مهم را به اشتراک می‌گذارند: «انسان». هوش مصنوعی قرار است زمینه بازی بسیار برابرتری را در صنعت فراهم کند، به طوری که شرکت‌های کوچک و متوسط و استارتاپ‌ها به طور فزاینده‌ای از طریق قابلیت‌های جدید و کم‌هزینه با شرکت‌های قدیمی رقابت می‌کنند. اما هوش مصنوعی هنوز هم باید به مردم خدمت کند، نه برعکس.
مشارکت دادن کارمندان در بهینه‌سازی هوش مصنوعی
طبق گفته یک شرکت مشاوره رفتاری به نام Behave، حتی با وجود افزایش سواد هوش مصنوعی، شکاف قابل توجهی بین مهارت ادراک شده و واقعی در مهارت‌های هوش مصنوعی در بین متخصصان وجود دارد. در حالی که شایستگی کلی هوش مصنوعی در صنایع مختلف ۸۰ درصد است، سازمان‌ها باید برنامه‌های فشرده‌ای برای آموزش مجدد مهارت‌های هوش مصنوعی اتخاذ کنند تا کارمندان خود را قادر سازند تا از حداکثر پتانسیل هوش مصنوعی بهره‌مند شوند.
تناقض اینجاست که کارگران ماهر در محل کار، درک بسیار بیشتری از ابزارهای هوش مصنوعی مورد نیاز برای افزایش تخصص خود و حذف وظایف تکراری که بهره‌وری روزانه را کند می‌کنند، نسبت به تقریباً هر کسی در سطح اجرایی خواهند داشت. بنابراین، رهبری باید در تمام بحث‌های مربوط به چگونگی اجرای بهتر هوش مصنوعی، همکاری ساختاریافته‌ای بین کارکنان در محل کار و متخصصان موضوعی ایجاد کند.
اول، جلسات منظم و کوچک گروهی برگزار کنید که در آن کارمندان و شرکت‌های کوچک و متوسط بتوانند نقاط ضعف و نقاط قوت هوش مصنوعی را به اشتراک بگذارند. کاری کنید که این جلسات کم‌ریسک و اکتشافی به نظر برسند، یا از نظرسنجی‌های ناشناس و پلتفرم‌های بازخورد استفاده کنید و بازخورد جامع و صادقانه را تضمین کنید. نکته کلیدی، اقدام آشکار بر اساس بازخورد است تا کارگران احساس کنند که شنیده می‌شوند و در مسیر تحول سازمان مشارکت دارند.
در مرحله بعد، کارگران را به مراحل نمونه‌سازی اولیه ابزارهای هوش مصنوعی ببرید. از آنها بخواهید ابزارها را برای راه‌حل‌های بهتر و پذیرش بیشتر، آزمایش، اصلاح و اعتبارسنجی کنند.
