Mendorong batas otomatisasi dalam proses bisnis

Bisnis tidak dapat mengabaikan kekayaan yang terwakili dalam modal manusia mereka:makhluk-makhluk yang salah dengan kemampuan unik mereka untuk berani dan untuk bermimpi, untuk intuisi dan mengambil risiko dan, di atas segalanya, untuk mengenali ketika mereka menuju bencana

Musim panas lalu melihat tengara suram dalam sejarah kecerdasan buatan:kematian pertama yang disebabkan oleh kendaraan otonom. Tesla Model S, yang beroperasi dengan autopilot penuh, menabrak bagian belakang truk di jalan raya Florida, menewaskan "pengemudi" manusia.

Menurut blog perusahaan, penyebab kecelakaan tragis ini adalah ketidakmampuan AI untuk memilih "sisi putih dari trailer traktor terhadap langit yang terang benderang". Seperti yang ditunjukkan Tesla, ini adalah kematian pertama dalam lebih dari 130 juta mil yang dikendarai dengan autopilot, yang kurang dari setengah tingkat dunia yang 60 juta mil per kematian untuk pengemudi manusia.

Jika Tesla dan produsen mobil otonom lainnya dapat mempertahankan tingkat ini, itu pasti akan mewakili peningkatan keamanan yang besar. Namun sifat kecelakaan ini – yang hampir pasti dapat dihindari oleh pengemudi manusia – menimbulkan pertanyaan serius tentang seberapa banyak manusia harus menyerah pada mesin.

>Lihat juga: 5 tantangan otomatisasi cerdas dalam skala besar

Ketika teknologi menjadi lebih cerdas, pasti akan diperlukan untuk membuat keputusan yang mengakibatkan kematian orang. Kendaraan seperti mobil dan truk otonom harus diprogram untuk membuat keputusan moral, seperti langsung menjawab "masalah troli" yang telah membingungkan para ahli etika selama bertahun-tahun.

Tidak semua pertanyaan tentang AI dan otomatisasi merupakan masalah hidup dan mati, tetapi ada pertanyaan praktis dan etis yang penting untuk dijawab sebelum kita dapat yakin bahwa teknologi ini akan menambah, bukannya mengurangi, hidup kita.

Ini adalah fakta yang semakin diakui oleh bisnis itu sendiri. Penelitian dari Infosys menemukan bahwa lebih dari setengah (53%) responden merasa bahwa pertanyaan etis mencegah AI menjadi seefektif mungkin, sementara hanya sepertiga (36%) mengatakan bahwa mereka telah sepenuhnya mempertimbangkan implikasi etis dari teknologi baru ini. .

Kekhawatiran ini berkisar dari efek teknologi ini pada privasi karyawan dan pelanggan, hingga dampak pada pekerjaan (misalnya, dengan membuat sebagian besar tenaga kerja manusia menjadi mubazir). Ada juga pertanyaan – yang disorot dengan jelas dalam kisah Tesla di atas – tentang seberapa jauh kecerdasan buatan dapat menggantikan operasi manusia.

Sangat mudah untuk tergoda oleh kekuatan teknologi yang dijanjikan seperti halnya untuk meromantisasi kemampuan unik otak manusia. Jika bisnis tidak dapat menyatukan dua kecerdasan yang sangat berbeda ini, mereka tidak mungkin membuka manfaat penuh yang dapat dicapai dengan membuat manusia dan teknologi saling melengkapi.

>Lihat juga: 2018 akan menjadi tahun otomatisasi di perusahaan

Salah satu tantangan utama yang dihadapi umat manusia adalah seberapa besar otonomi yang kita putuskan untuk diberikan kepada mesin, dan dalam situasi mana kecerdasan buatan lebih baik diterapkan daripada pikiran manusia.

Sekilas, kemampuan teknologi untuk memecahkan kumpulan data yang sangat besar dan memanfaatkan pemrosesan bahasa alami untuk memberikan interaksi yang realistis dengan pelanggan menjadikannya pengganti yang sempurna untuk manusia yang lambat, mahal, dan rawan kesalahan.

Tapi itu untuk mengabaikan kesalahan bawaan teknologi itu sendiri, dari chatbot Microsoft Tay, yang dengan cepat belajar bagaimana menjadi rasis, hingga mobil self-driving yang tidak dapat membedakan antara langit dan sepotong logam yang bergerak cepat seberat 20 ton.

Faktanya tetap bahwa mesin masih hanya dapat memberi kita wawasan, dan hanya orang yang memiliki kebijaksanaan untuk menerapkan wawasan ini dengan tepat untuk bisnis atau konteks pribadi apa pun. Jika kehidupan manusia selalu diatur oleh pertimbangan rasional dan empiris, maka mungkin ada argumen untuk mesin menggantikan manusia sedapat mungkin.

Seperti yang kita semua tahu, bagaimanapun, ini sama sekali tidak terjadi. Infosys adalah perusahaan yang menghadapi pertanyaan-pertanyaan ini setiap hari. Ini membantu sejumlah besar perusahaan dengan inisiatif pembelajaran mesin, dan yang dengan cepat menjadi jelas bagi kami adalah pentingnya kontekstualisasi.

Dalam kebanyakan kasus, menghitung angka saja tidak cukup; agar efektif, hal itu harus disertai dengan pemahaman menyeluruh tentang budaya dan model bisnis perusahaan, tantangan uniknya, dan struktur data/pelaporannya.

>Lihat juga: Lebih banyak perangkat, lebih banyak masalah? Tidak dengan otomatisasi TI

Manusia akan terus memainkan peran penting dalam mengajukan pertanyaan yang tepat; menginterogasi, menafsirkan dan menerapkan data; dan menyusun hipotesis yang tepat untuk mesin tersebut.

Penginjil teknologi sering lalai menyebutkan bahwa akurasi algoritme pembelajaran mesin apa pun biasanya 60-70% pada langkah pertama – ini harus diikuti dengan penyempurnaan dan pekerjaan lebih lanjut.

Sejauh ini, ini terdengar seperti hanya sebuah argumen untuk mempekerjakan lebih banyak ilmuwan data, daripada mengurangi kemampuan pekerja manusia. Namun, tidak perlu terburu-buru untuk melihat keterbatasan teknologi yang disebutkan di atas, dan melihat bagaimana ini berlaku untuk area lain dalam suatu organisasi.

Ini berkisar dari yang paling atas pohon hingga pekerja paling junior. Tanyakan kepada setiap pemilik bisnis yang sukses dan mereka akan memberi tahu Anda tentang pentingnya mengambil risiko yang diperhitungkan berdasarkan, sampai tingkat tertentu, pada intuisi; mereka akan berbicara tentang pentingnya berpikir lateral untuk memecahkan masalah bisnis yang kompleks; mereka mungkin menekankan bagaimana ide-ide terbaik dan kilasan inspirasi mereka dipicu dari pola berpikir yang sama sekali tidak terduga.

Bagi seorang pekerja SDM, data akan memberikan wawasan penting tentang kinerja dan produktivitas individu; kemungkinan besar tidak akan memberi tahu mereka mengapa mereka berkinerja buruk, atau cara yang paling empatik dan efektif untuk melakukan percakapan tentang bagaimana pekerja tersebut dapat meningkat.

Demikian pula, operator layanan pelanggan akan mendapat manfaat dari memiliki akses ke semua data yang mereka butuhkan untuk menyelidiki keluhan, tetapi masih memerlukan pelatihan, intuisi, dan kemanusiaan untuk menyelesaikan masalah dengan cara yang membuat pelanggan puas.

>Lihat juga: Otomasi:kebutuhan jaringan 

Faktanya adalah bahwa data hanyalah alat yang dapat digunakan orang untuk meningkatkan cara mereka melakukan pekerjaan mereka, apakah itu menyiapkan dana lindung nilai atau berurusan dengan pelanggan yang tidak puas.

Bisnis tidak dapat mengabaikan kekayaan yang terwakili dalam sumber daya manusia mereka:makhluk-makhluk yang tidak sempurna dengan kemampuan unik mereka untuk berani dan bermimpi, untuk berintuisi dan mengambil risiko dan, di atas segalanya, untuk mengenali kapan mereka menuju bencana.

Disumber oleh Jonathan Ebsworth, kepala Disruptive Technologies di Infosys Consulting