کاربرد هوش مصنوعی در سازمان ها
معرفی هوش مصنوعی با تغییرات قابل توجهی در نحوه مدیریت سازمان ها همراه است.تغییر اولویت اقتدار، تغییرات در فن آوری و تحولات صنعتی در سازمان ها، به وسیله هوش مصنوعی امکان پذیر است. همچنین هوش مصنوعی فرصت های زیادی را در آینده برای نیروی انسانی و سازمان ها فراهم می کند که عبارتند از: مکانیسم های مدیریت و حاکمیت. دموکراتیک کردن علم داده و هوش مصنوعی. بهبود مداوم مدل. قابلیت توضیح و شفافیت هوش مصنوعی و نیازهای کاهش یافته برای داده ها.
تغییر اولویت اقتدار به وسیله هوش مصنوعی
به طور اجتناب ناپذیر، تخصص دوباره تعریف می شود. دانش و مهارت‌های متخصصان فناوری مانند کارشناسان یادگیری ماشین، داده‌ها، دانشمندان یا تحلیلگران داده در محل کار به طور فزاینده ای ارزشمند می شوند. تغییر اولویت اقتدار می تواند منجر به تجدید ساختار شود. اولویت اقتدار در تمام سطوح سلسله مراتبی خواهد بود. در سطح تاکتیکی، متخصصان فناوری این کار را انجام خواهند داد چون دارای اختیار و کنترل بر طراحی کار و رویه های تصمیم گیری هستند. اما حتی در یک سطح استراتژیک تر، نقش های جدید به هیئت مدیره ملحق می شوند و سؤالاتی را نسبت به مؤسسات ایجاد می کنند. به عنوان مثال صلاحیتCIO به کجا و صلاحیتCDO به کجا ختم می شود.
تغییرات در فن آوری
تغییردر هماهنگی: استفاده از هوش مصنوعی برای مدیریت الگوریتمی،کار منجر به تغییرات اساسی می شود. در طراحی پورتال های سازمانی ، وظایف کاری دوباره تعریف می شوند تا بتوان آنها را تجزیه کرد. وظایف بزرگتر به وظایف فرعی کوچکتر تبدیل می شوند و سپس به صورت الگوریتمی به کارگران پلتفرم های کار دیجیتالی ارائه می شوند. علاوه بر این، شاغلین و مدیران باید با کارشناسان جدیدی که وارد می شوند همکاری کنند. همکاری بین افراد با انواع تخصص ها می تواند هماهنگی کار را بیشتر کند. تغییر هماهنگی منجر به اجرای اساساً متفاوت سازمان می شود.
عملیات و خدمات
تغییر طرح های ارزش گذاری به وسیله هوش مصنوعی: روشی که در آن عملکرد ارزیابی می شود نیز به طور اساسی در حال تغییر است.به عنوان مثال کارمندان توسط الگوریتم های یادگیری ماشین اغلب بدون دانستن چه متغیرهایی ارزیابی می شوند. با استفاده از ربات تولید یک نتیجه خاص حتی بررسی کیفیت محصولات به خودی خود تبدیل به یک کار خودکار می شود. تغییرات اساسی در ارزش هایی که در سازمان اهمیت دارند، ایجاد می شود. کاربرد هوش مصنوعی در سازمان ها به طور قابل توجهی بر نحوه مدیریت کارمندان خود توسط شرکت ها تأثیر می گذارد. همچنین می تواند منجر به عملکرد متقابل شود.
تحولات صنعتی در سازمان ها به وسیله هوش مصنوعی
فناوری هوش مصنوعی در حال حاضر تحولات دیجیتالی قابل توجهی را امکان پذیر می کند. نه تنها کاری که یک سازمان انجام می دهد را بازتعریف می کنند، بلکه حتی منجر به محو شدن مرزهای صنعت می شوند. به عنوان مثال، بسیاری از سازمان‌های تولیدی سنتی از یادگیری ماشینی استفاده می‌کنند. فناوری برای تبدیل تمرکز خود، از تولید کالا به ارائه خدمات. تلاش برای تحول دیجیتال نمونه محبوب چنین تلاشی است که هوش مصنوعی نیروی محرکه آن است. رقبای جدید چنین دیجیتالی چه کسانی هستند. سازمان متحول شده؟ چگونه باید تنظیم شود؟ روابط با مشتریان خود چگونه است؟ شرکای جدید آنها چه کسانی هستند؟ بسیاری از سؤالات جدید مطرح می شود که باید به آنها پرداخت.
فرصت های آینده
همان طور که شرکت ها همچنان به استفاده از هوش مصنوعی ادامه می دهند، مسیرهای مختلفی را بررسی خواهند کرد.
مکانیسم‌های مدیریت و حاکمیت: شرکت‌های پیشرو که از هوش مصنوعی استفاده می‌کنند، مکانیسم های حاکمیتی در آن وجود دارد. ما قبلاً موارد مربوط به استقرار را ذکر کردیم. علاوه بر این، سازمان ها در ایالت های مختلف پذیرش، طیف گسترده ای از ساختارها و نقش های سازمانی داخلی را برای مدیریت و اداره پروژه های هوش مصنوعی ایجاد کرده اند.
دموکراتیک کردن علم داده و هوش مصنوعی - ابزارهایی مانند یادگیری ماشین خودکار می تواند ساختار وگردش کار ایجاد کند. اینها می توانند برای بهبود بهره‌وری دانشمندان حرفه‌ای داده یا فعال کردن افراد با تحصیلات کمتر استفاده شوند."دانشمندان داده شهروند" برای تکمیل پروژه های علم داده و چندین استارتاپ و ابر فروشندگان چنین قابلیت هایی را در دسترس قرار داده اند و به نظر می رسد که دموکراسی سازی داده ها محتمل است. این تصور که هر کسی، بدون تخصص کم، می تواند علم داده انجام دهد اگر داده های فراوان و ابزارهای تحلیلی کاربر پسند ارائه شود و می تواند به پیشرفت خود ادامه دهد.
بهبود مداوم مدل - شرکت هایی که به شدت به هوش مصنوعی متعهد هستند اغلب متوجه می شوند که این کار را انجام داده اند. مدل‌ها و الگوریتم های زیادی وجود دارد که برخی از آنها در فرآیندها و سیستم‌های تولید هستند. از آنجایی که کسب و کار تا حدی به دقت این مدل ها بستگی دارد، نظارت بر آنها بسیار مهم است. "رانش" - عدم دقت پیش بینی ها و بهبود آنها در طول زمان- فروشندگان در حال توسعه ابزارهایی برای این فرآیند را تحت عنوان"MLOps" - عملیات یادگیری ماشین، به طور گسترده در صنایع وابسته به داده و تجزیه و تحلیل مانند خدمات مالی استفاده می شود.
قابلیت توضیح و شفافیت هوش مصنوعی –همان طور که در بالا ذکر شد، اکنون به طور گسترده شناخته شده است که مدل های هوش مصنوعی می توانند سوگیری علیه گروه ها و افراد خاص را با موفقیت انجام دهند.
نیازهای کاهش یافته برای داده ها - بسیاری از مدل های هوش مصنوعی در نرم افزار های پورتال سازمانی ، به ویژه شبکه های عصبی، یادگیری عمیق، نیاز دارند. حجم زیادی از داده ها به طور موثر آموزش داده شود. یک زبان طبیعی جدید مبتنی بر یادگیری عمیق: برای مثال مدل نسلی به نامGPT-3 از میلیاردها کلمه برای آموزش مدل استفاده کرده و دارای 175 است میلیارد متغیر و پارامتر است. برخی از محققین استدلال کرده اند که روند به چنین حجمی از داده ها ناپایدار هستند و رویکردهای جدید هوش مصنوعی می توانند از داده های کمتری استفاده کنند.
