Сотрудничество человека и машины может значительно изменить опыт работы рабочей силы в зависимости от типа взаимодействия с ИИ — иногда в худшую сторону. Организации разрабатывают инновационные решения для трех основных проблем, с которыми сталкиваются работники при взаимодействии с ИИ на рабочем месте.
ИИ усложняет работу людям
ИИ иногда увеличивает уровень сложности и сложности работы, поскольку системы ИИ часто решают более простые задачи, запрашивая у людей информацию о более сложных. Это особенно верно, когда ИИ действует как распорядитель приоритетов, сортировочная медсестра, подчиненный или выполняет первый проход в задаче. В медицинском кодировании, например, системы на основе ИИ, выполняющие начальный этап кодирования случая из электронных записей и заметок, означают, что компаниям могут понадобиться только опытные кодировщики, которые могут проверять решения системы, а не новички. И многие опытные врачи теперь больше работают с ИИ, чем с молодыми специалистами, которые могли бы у них поучиться. Как отмечает Мэтт Бин в своей статье в Harvard Business Review : «Учимся работать с интеллектуальными машинами », это может привести к сокращению должностей начального уровня и возможностей учиться у других.
Чтобы решить эту проблему, основное внимание, если таковое имелось, было сосредоточено на повышении квалификации или переподготовке людей для выполнения более сложной работы, требующей новых навыков, включая предоставление работникам «цифрового или искусственного интеллекта», чтобы они могли взаимодействовать с искусственным интеллектом. В то время как «переобучение» или «повышение квалификации» было основным направлением инициатив многих организаций в области искусственного интеллекта, ориентированных на людей, исследования показывают, что организации по-прежнему недостаточно инвестируют: в недавнем опросе Deloitte только 5% руководителей полностью согласились с тем, что они вкладывают достаточно в помогая людям осваивать новые навыки, чтобы не отставать от изменений, таких как цифровая трансформация, хотя 73% заявили, что они ускоряют усилия по повышению квалификации или переподготовке.
Некоторые рабочие места пересматриваются, чтобы отразить возросшую ответственность и гарантировать, что работники нанимаются, развиваются, вознаграждаются, признаются и получают соответствующую компенсацию за более сложную и часто гораздо более ценную работу. Актуарии, например, все чаще используют ИИ для прогнозирования и выявления рисков. Профессиональные ассоциации актуариев теперь требуют обучения основным навыкам машинного обучения и обработки данных, отчасти потому, что различие между актуарием и специалистом по данным постепенно стирается. А поскольку ИИ помогает актуариям в оценке рисков, многие организации в настоящее время пересматривают должностные инструкции, а также нанимают и вознаграждают актуариев на основе нетехнических навыков, таких как суждения, принятие решений, адаптивность и управление изменениями.
Для тех видов сотрудничества, в которых ИИ действует как товарищ по команде, сотрудничество, скорее всего, будет представлять собой сочетание более сложной работы и более простых взаимодействий. На первый взгляд, ИИ упрощает работу — предлагает и совместно пишет код вместе с людьми-инженерами, взвешивает медицинский диагноз или дает продавцам немедленную обратную связь о том, как улучшить взаимодействие с клиентами.
Но во многих отношениях работа с ИИ в качестве товарища по команде может быть гораздо более требовательной. Людям, возможно, потребуется понять и обдумать, как ИИ выполняет свою работу, и оценить, верны ли его выводы и результаты. Обучение людей сотрудничеству с машинами может потребовать набора навыков, выходящих далеко за рамки «цифровой беглости» и переквалификации. Организациям может потребоваться объединить разработчиков систем искусственного интеллекта и процессов с HR-специалистами, чтобы совместно работать над поддержкой этих новых типов взаимодействия.
Организации также должны искать способы перенести некоторые действия человека и машины на ИИ, выступающего в качестве наставника. Это может создать непрерывный цикл усиления и поддержки все более сложной работы. Hewlett Packard использовала ИИ, например, для того, чтобы слушать звонки клиентов и учиться на них, чтобы определить уникальные «микронавыки» каждого оператора колл-центра — знание агентом определенного типа запроса клиента — полученные из предыдущих звонков. Эти микронавыки теперь используются для сопоставления входящих звонков с операторами, успешно обработавшими аналогичные запросы. По мере того как агенты по обслуживанию клиентов осваивают новые навыки, программное обеспечение ИИ автоматически обновляет свои данные, чтобы отразить их новый опыт. По мере того, как эти агенты становятся более осведомленными, программное обеспечение учится направлять им более сложные проблемы. Когда оператор колл-центра принимает звонки
Работа, структурированная искусственным интеллектом, может повысить краткосрочную производительность, но может снизить автономность и вовлеченность.
В то время как подчиненные формы ИИ часто создают более сложную работу для людей, контролирующий ИИ может подтолкнуть работников к жестким структурам и процессам, которые могут уменьшить автономию и в конечном итоге повлиять на производительность с течением времени. Работа на супервайзера ИИ может ограничить или уменьшить полномочия по принятию решений и усилить контроль сотрудников. Мы обнаружили примеры как ограниченной способности принимать решения, так и усиленного контроля в области страхового андеррайтинга, медицинского кодирования, обработки ипотечных кредитов, выбора стиля одежды, работы колл-центра и охраны правопорядка.
Некоторым работникам, конечно, нравится иметь более структурированный опыт работы с помощью ИИ (хотя многим это не нравится). Многие исследования показали, что большинство людей вполне довольны тем, что ими руководит и управляет ИИ, и что они часто доверяют ИИ больше, чем своим менеджерам. Однако исследования показывают, что многие начинают чувствовать себя по-другому, когда работник не согласен с ИИ, или когда у них появляются новые идеи или они хотят повлиять на изменения в своей работе, которые ИИ не может приспособить, или если ИИ структурирует их работу таким образом, чтобы максимизировать результаты бизнеса без учета потребностей работников. При заполнении должности следует учитывать способности и предпочтения сотрудника в отношении стиля работы.
Рабочие также должны участвовать в разработке систем ИИ. Представьте, если бы алгоритм, направляющий маршруты водителей с максимальной эффективностью, мог бы также учитывать их предпочтения в расписании. Более высокий уровень мотивации может компенсировать небольшой компромисс в эффективности. Однако на сегодняшний день только 30% опрошенных руководителей сообщают, что в их число входят работники, занимающиеся разработкой ИИ на основе участия. Кроме того, объяснимый ИИ (понятный работникам, а не только разработчикам или руководителям) может помочь прояснить основную логику ИИ, укрепляя доверие. Слишком часто, в то время как ИИ многое узнает о них, работники знают об ИИ мало. Хотя может быть невозможно или даже нецелесообразно делиться самим алгоритмом с работниками, лидеры могут и должны делиться с ними данными и целями, которые легли в его основу.
В некоторых случаях работники могут полностью самостоятельно разрабатывать рабочие процессы искусственного интеллекта или автоматизации, используя инструменты с минимальным кодом или без кода, что дает им автономию для разработки системы, с которой они могут взаимодействовать в качестве подчиненных или руководителей для удовлетворения своих потребностей. Например, в компании-разработчике программного обеспечения Tonkean операционные группы получили возможность использовать такие инструменты для создания пользовательских рабочих процессов без необходимости полагаться на разработчиков. Они также смогли принять подход, ориентированный на людей. Вместо того чтобы сосредотачиваться на разработке процессов в первую очередь на потребностях бизнеса, прежде чем думать о воздействии на сотрудников, команды создали процессы, которые также учитывали их собственные потребности.
Организации должны также включать циклы обратной связи с работниками. Рабочих следует поощрять подвергать сомнению алгоритм и даже оспаривать или отвергать его. Им также понадобятся способы сообщить о проблемах или несправедливом обращении. В идеале сама технология должна иметь встроенную петлю обратной связи, помогающую алгоритму обучаться и улучшаться с течением времени.
ИИ также может выступать в качестве тренера, чтобы дать работникам больше возможностей для принятия решений, вместо того, чтобы эти решения принимались выше или самими алгоритмами. ИИ может наблюдать за эффективностью принятия решений людьми и давать рекомендации. Технология машинного обучения Klick Health «Геном» призвана помочь работодателям управлять автономией. Анализируя каждый проект на каждом этапе в фирме, он вознаграждает больше ответственности людей, которые продемонстрировали постоянную компетентность и успех. ИИ отслеживает каждое решение, принятое в фирме, и контекст, в котором оно было принято.
Сам ИИ может даже помочь установить отношения между ИИ и работниками, предоставляя работникам больше выбора и автономии при работе с ИИ. Рассмотрим инструмент Pivotal на базе искусственного интеллекта, разработанный Vecna Robotics, который позволяет складским работникам и роботам с разными навыками и способностями делать ставки на то, что они чувствуют, что могут или хотят делать. Вместо того, чтобы весь день выполнять одни и те же задачи по сбору с полки, с Pivotal работники часто в конечном итоге находят разнообразие в своей работе, выполняя необычные задачи, такие как устранение препятствий и применяя свои абстрактные навыки решения проблем, чтобы понять, почему на коробке были две конфликтующие этикетки. и решить, кто из них прав. Роботы, как правило, придерживаются повторяющихся шаблонов с постепенным улучшением производительности, пока их инженеры не проанализируют данные и не выпустят новые функции, которые позволят расширить набор навыков. Машинное обучение выигрывает от человеческого понимания и обучения алгоритмов ИИ, а люди анализируют неожиданное поведение и возникающие шаблоны и внедряют инновации — как в цехе, так и в инженерном бюро. Симбиотическая система человека и ИИ была разработана с акцентом на автономию, ответственность, компетентность и разнообразие интеллекта.