بینش در مورد اتخاذ هوش مصنوعی از یک متخصص نوآوری

با رویکرد درست ، هوش مصنوعی “فقط ابزاری نیست.” به گفته ران نوریس ، مدیر نوآوری در جورجیا و اقیانوسیه ، LLC ، این می تواند “یک شریک تصمیم گیری در زمان واقعی” باشد-یکی که “نیروی کار را توانمند می کند ، در حالی که اطمینان می دهد که سازمان ها دارای عملیات سریعتر و باهوش تر هستند ، در دسترس تر است. (بازنشسته).

در برنامه عالی عملکرد Baldrige کنفرانس 36th For Excellence® ماه آینده ، نوریس بینش هایی را برای رهبران سازمانی در مورد چگونگی اتخاذ هوش مصنوعی (AI) برای غلبه بر برخی از چالش های اصلی خود به اشتراک می گذارد.

در زیر مبادله ای که اخیراً با نوریس در مورد ارائه اصلی برنامه ریزی شده وی برای ارائه داده ام سه شنبه ، 1 آوریلبشر

آیا می توانید موضوعاتی را که می خواهید در ارائه اصلی خود “فراتر از اتوماسیون – چگونه هوش مصنوعی در حال تغییر شکل مجدد دانش و تعالی نیروی کار” است ، برجسته کنید؟

امروز سازمان ها با چالش های بزرگتر از اتوماسیون ، به ویژه چالش های مربوط به نیاز به حفظ دانش و تصمیم گیری سریع روبرو هستند. کارمندان باتجربه ترک می کنند و سالها تخصص خود را با آنها می گذرانند. استخدام های جدید برای سرعت بخشیدن به سرعت بسیار طولانی می شوند. تصمیم گیری اغلب به دلیل اینکه رهبران به جای اینکه بر روی آن داده ها عمل کنند ، جمع آوری و تجزیه و تحلیل داده ها را به دست می آورند.

هوش مصنوعی سنتی ، که فقط به داده ها متکی است ، توصیه هایی را بر اساس الگوهای آماری ارائه می دهد. نرم افزار اتوماسیون مستقل می تواند وظایف خود را ساده تر کند ، اما به سازمانها کمک نمی کند تا تخصص را حفظ کنند یا درک کنند چرا تصمیمات باید به روشی خاص اتخاذ شود.

این جایی است که علی وارد می شود. به جای اینکه فقط روندهای گذشته را تجزیه و تحلیل کنید ، علی علی هم از داده ها و هم از تخصص انسانی یاد می گیرد و به کارمندان کمک می کند تا سریعتر فکر کنند و تصمیم بگیرند. بر خلاف هوش مصنوعی سنتی ، که پاسخ های عمومی را ارائه می دهد ، AI علل دو عنصر اصلی را ادغام می کند:

• یادگیری ماشین (داده AI): با تجزیه و تحلیل داده های دنیای واقعی ، خود را به طور مداوم اصلاح می کند
• آموزش ماشین (دانش هوش مصنوعی): حکمت کارشناسان را ضبط می کند و دانش نهادی را در سیستم جاسازی می کند

با این رویکرد ، هوش مصنوعی فقط ابزاری نیست بلکه به یک شریک تصمیم گیری در زمان واقعی تبدیل می شود. این تغییر نیروی کار را توانمند می کند و دانش را در حالی که اطمینان حاصل می کند که سازمانها سریعتر و باهوش تر عمل می کنند ، در دسترس تر می کند.

در کار شما با شرکت های بزرگ ایالات متحده ، برخی از درسهای کلیدی شما در مورد تغییر مدیریت و نوآوری آموخته اند؟

یکی از بزرگترین درسهایی که در طول حرفه ام آموخته ام این است که مردم در برابر فناوری مقاومت نمی کنند – آنها در برابر عدم اطمینان مقاومت می کنند. در جورجیا و اقیانوس آرام و در کار من با سایر سازمان های بزرگ ، من دیده ام که چگونه اتخاذ فناوری جدید سریعتر اتفاق می افتد وقتی کارکنان احساس کنند که بخشی از این روند هستند.

کلید؟ کارمندان را به شرکت کنندگان فعال کنید ، نه کاربران منفعل. هنگامی که هوش مصنوعی به عنوان یک ابزار یادگیری قرار می گیرد و نه فقط یک سیستم برای اتخاذ ، افراد متفاوت درگیر می شوند. به جای جایگزینی متخصصان ، هوش مصنوعی از آنها یاد می گیرد. وقتی کارمندان دانش صحیح را که در سیستم منعکس شده اند ، اعتماد به نفس آنها به SkyRockets AI را می بینند.

درس مهم دیگر این است که سازمانها به یک روش ایمن برای آزمایش نیاز دارند. ترس از شکست یکی از بزرگترین موانع نوآوری است ، اما مدل سازی سناریوی با قدرت AI این ترس را از بین می برد. کارمندان می توانند قبل از انجام اقدامات در دنیای واقعی ، ایده ها ، استراتژی های ترفند را آزمایش کنند و نتایج بالقوه را ببینند. این یک فرهنگ از ریسک محاسبه شده و یادگیری مداوم را تشویق می کند ، که هم برای تعالی طولانی مدت ضروری است.

هنگامی که هوش مصنوعی دانش نهادی را حفظ کرده و آزمایش را امکان پذیر می کند ، فقط وظایف را خودکار نمی کند. این یک نیروی کار باهوش تر و سازگارتر ایجاد می کند.

به نظر شما بزرگترین چالش ها و مزایای سازمانها در رابطه با هوش مصنوعی چیست؟

یکی از بزرگترین چالش های امروز سازمان ها این است که همه هوش مصنوعی به طور برابر ایجاد نمی شوند. برای اینکه هوش مصنوعی واقعاً ارزشمند باشد ، باید کاری بیش از ارائه پاسخ انجام دهد – باید با گذشت زمان عمل کند ، یاد بگیرد و بهبود یابد. این جایی است که “عوامل هوش مصنوعی” وارد می شوند. برخلاف هوش مصنوعی سنتی ، یک عامل هوش مصنوعی از دانش تخصصی و داده های دنیای واقعی می آموزد ، نتایج احتمالی و دلایل را از طریق تصمیمات پیش بینی می کند-درست مانند یک کارمند با عملکرد بالا.

این همان چیزی است که ایجاد می کند علی عوامل دارای هوش مصنوعی بسیار تحول گرا هستند. یک مربی نیروی کار را تصور کنید که هرگز ترک نمی کند – کسی که به کارمندان کمک می کند تصمیمات بهتری بگیرند ، استدلال در مورد این تصمیمات را توضیح می دهد و به طور مداوم بر اساس بینش های جدید سازگار می شود. این نوع هوش مصنوعی نه تنها به کارمندان کمک می کند بلکه باعث می شود آنها در شغل خود بهتر شوند.

عوامل هوش مصنوعی همچنین یادگیری و توسعه را در مقیاس شخصی سازی می کنند. به این فکر کنید که چگونه یک مدیر عالی رشد یک کارمند را ردیابی می کند ، شکاف های مهارت را مشخص می کند و فرصت های مناسبی را برای پیشرفت ارائه می دهد. حال تصور کنید که همان نوع راهنمایی های شخصی به صورت 24/7 برای هر کارگر موجود است. بنابراین هوش مصنوعی به یک همراه عملکرد تبدیل می شود و فرصت های توسعه را توصیه می کند ، پیشرفت را ردیابی می کند و بازخورد در زمان واقعی را ارائه می دهد.

به طور خلاصه ، مأمورین هوش مصنوعی جایگزین کارمندان نمی شوند – آنها آنها را بالا می برند. آنها به سازمان ها نیروی کار سریعتر ، باهوش تر و انعطاف پذیر تر می دهند که به طور مداوم با گذشت زمان بهبود می یابد.

آیا می توانید یک یا چند نکته را برای رهبران سازمانی در مورد چگونگی کمک به سازمان های خود برای استفاده از هوش مصنوعی برای حمایت از تعالی نیروی کار و دستیابی به موفقیت طولانی مدت به اشتراک بگذارید؟

اگر یک چیز وجود دارد که رهبران باید در مورد هوش مصنوعی بدانند ، این است: هوش مصنوعی فقط به اندازه افرادی که از آن استفاده می کنند و دانشی که جذب می کند ، ارزشمند است. هرچه هوش مصنوعی بیشتر از مردم شما بیاموزد ، در هدایت تصمیمات ، حمایت از کارمندان و حفظ تخصص نهادی بهتر می شود. بر اساس این درک ، چهار نکته زیر را ارائه می دهم:

1. با هوش مصنوعی به عنوان یک یادگیرنده فعال رفتار کنید. هوش مصنوعی سنتی از داده ها خارج می شود ، اما هوش مصنوعی نه تنها از داده ها بلکه به طور مستقیم از بهترین کارمندان شما یاد می گیرد و تخصص را در سیستم تعبیه می کند. این تضمین می کند که دانش نهادی هنگام ترک کارکنان از بین نمی رود و استخدام های جدید می توانند سریعتر از گذشته افزایش یابد.
2. به کارمندان اتاق بدهید تا آزمایش کنندبشر شبیه سازی های دارای هوش مصنوعی به تیم ها اجازه می دهد تا استراتژی ها را آزمایش کنند و تأثیر انتخاب خود را قبل از اقدام مشاهده کنند. این رویکرد باعث ایجاد اعتماد به نفس می شود ، ترس از شکست را کاهش می دهد و فرهنگی را ایجاد می کند که در آن کارکنان احساس قدرت برای یادگیری و نوآوری می کنند.
3. شفافیت همه چیز استبشر هوش مصنوعی نباید مانند یک جعبه سیاه باشد. کارمندان را ترغیب کنید تا با سیستم درگیر شوند ، سؤال کنید و ببینید که چرا توصیه ها ارائه می شود. این اعتماد به نفس را ایجاد می کند و تضمین می کند که AI فقط پاسخ نمی دهد – این به مردم می آموزد که چگونه با انتقاد بیشتری فکر کنند.
4. با هوش مصنوعی به عنوان یک شریک بلند مدت رفتار کنید ، نه یک سرمایه گذاری یک باربشر بهترین سیستم های هوش مصنوعی با کسب و کار شما تکامل می یابند ، به طور مداوم از داده های جدید یاد می گیرند و با چالش های جدید سازگار می شوند. رهبرانی که به این طرز فکر متعهد هستند ، کسانی خواهند بود که سازمان های خود را در آینده ضد می کنند و استانداردی را برای تعالی عملیاتی تعیین می کنند.

---

در تلاش برای تعالی 2025 به ما بپیوندید!

---