ビジネスプロセスの自動化の限界を押し上げる

企業は、人的資本に表されている富を無視する余裕はありません。夢を見て、直感してリスクを冒し、そして何よりも、彼らがいつ大惨事に向かっているのかを認識すること

昨年の夏、人工知能の歴史の中で厳しいランドマークが見られました。自動運転車によって引き起こされた最初の死です。フルオートパイロットで動作するテスラモデルSがフロリダの高速道路でトラックの後ろに衝突し、人間の「運転手」を殺しました。

同社のブログによると、この悲劇的な事故の原因は、AIが「明るい空を背景にしたトラクタートレーラーの白い面」を見つけられなかったことでした。テスラが指摘しているように、これはオートパイロットで運転された1億3000万マイル以上での最初の死亡者であり、これは人間の運転者の1人あたりの死亡数が60メートルである世界の半分未満です。

テスラや他の自動運転車メーカーがこの率を抑えることができれば、それは確かに大きな安全性の向上を意味します。しかし、この事故の性質（人間の運転手によってほぼ確実に回避されたであろう事故）は、人間が機械にどれだけの代理店を引き渡すべきかについて深刻な問題を提起します。

>関連項目：大規模なインテリジェント自動化の5つの課題

テクノロジーがよりインテリジェントになるにつれて、人々の死につながる決定を下すことが必然的に必要になります。自動運転車やトラックなどの車両は、長年倫理学者を混乱させてきた「トロッコ問題」に即座に答えるなど、道徳的な決定を下すようにプログラムする必要があります。

AIと自動化に関するすべての質問が生と死の問題であるとは限りませんが、これらのテクノロジーが私たちの生活を減少させるのではなく増加させることを確信する前に、答えるべき重要な実践的かつ倫理的な質問があります。

これは、企業自体によってますます認識されている事実です。 Infosysの調査によると、回答者の半数以上（53％）が、倫理的な質問がAIの効果を最大限に発揮できないと感じていますが、3分の1（36％）だけが、これらの新しいテクノロジーの倫理的影響を十分に考慮していると答えています。 。

これらの懸念は、従業員と顧客のプライバシーに対するこれらのテクノロジーの影響から、雇用への影響（たとえば、大量の人間の労働力を冗長にすることによる）にまで及びます。人工知能が人間の工作員にどれだけ取って代わることができるかについての質問もあります-上記のテスラの話ではっきりと強調されています。

人間の脳のユニークな能力をロマンチックにするのと同じくらい、テクノロジーの約束された力に誘惑されるのは簡単です。企業がこれら2つの非常に異なるインテリジェンスを調整できない限り、人間とテクノロジーを相互に補完することで達成できるメリットを完全に引き出すことはできません。

>関連項目：2018年は企業の自動化の年になります

人類が直面している重要な課題の1つは、機械にどれだけの自律性を与えるか、そしてどのような状況で人工知能が人間の心よりも適切に適用されるかということです。

一見したところ、膨大なデータセットを処理し、自然言語処理を利用して顧客との現実的なやり取りを提供するテクノロジーの能力により、低速で費用がかかり、エラーが発生しやすい人間の完全な代替品になります。

しかし、それは、人種差別主義者になる方法をすぐに学んだMicrosoftのTayチャットボットから、空と20トンの動きの速い金属片を区別できない自動運転車まで、テクノロジー自体の本質的な誤りを無視することです。

>

マシンはまだ洞察を提供することしかできず、特定のビジネスまたは個人のコンテキストにこの洞察を適切に適用するための知恵を持っているのは人だけであるという事実は変わりません。人々の生活が常に合理的で経験的な考慮事項によって支配されている場合、可能な限り人間に取って代わる機械についての議論があるかもしれません。

しかし、ご存知のとおり、これは単にそうではありません。インフォシスは、これらの質問に毎日遭遇する会社です。これは、機械学習イニシアチブで多くの企業を支援します。私たちに急速に明らかになったのは、コンテキスト化の重要性です。

ほとんどの場合、数値を計算するだけでは不十分です。効果を上げるには、会社の文化とビジネスモデル、その固有の課題、データ/レポート構造を完全に理解する必要があります。

>関連項目：より多くのデバイス、より多くの問題？ IT自動化ではない

人間は、正しい質問をする上で重要な役割を果たし続けます。データの調査、解釈、および適用。マシンの正しい仮説を立てます。

テクノロジーエバンジェリストは、機械学習アルゴリズムの精度は通常、最初のパスで60〜70％であることに言及することを怠りがちです。これに続いて、微調整とさらなる作業を行う必要があります。

これまでのところ、これは、人間の労働者の能力に対する賛辞ではなく、より多くのデータサイエンティストを雇うための単なる議論のように聞こえます。しかし、上記のテクノロジーの限界を見て、それらが組織の他の領域にどのように適用されるかを確認することは、想像力を大きく飛躍させるべきではありません。

これらは、ツリーの最上部から最も若い労働者までの範囲です。成功している事業主に尋ねると、彼らは、ある程度直感に基づいて計算されたリスクを取ることの重要性についてあなたに話します。彼らは、複雑なビジネス上の問題を解決するための水平思考の重要性について話します。彼らは、彼らの最高のアイデアとインスピレーションの閃光が、まったく予期しない思考パターンからどのように引き起こされるかを強調するかもしれません。

HRワーカーの場合、データは個人のパフォーマンスと生産性に関する重要な洞察を提供します。パフォーマンスが悪い理由や、その労働者がどのように改善できるかについて会話を行うための最も共感的で効果的な方法を教えてくれない可能性があります。

同様に、顧客サービス担当者は、苦情を調査するために必要なすべてのデータにアクセスできるというメリットがありますが、顧客を満足させる方法で問題を解決するには、トレーニング、直感、および人道が必要です。

>関連項目：自動化：ネットワークの必要性

真実は、データは、ヘッジファンドの設立であろうと、不満のある顧客への対応であろうと、人々が仕事のやり方を改善するために使用できる単なるツールにすぎないということです。

企業は、人的資本に表されている富を無視する余裕はありません。あえて夢を見て、直感してリスクを冒し、何よりも、いつ大惨事に向かっているのかを認識する独自の能力を備えた堕落した生き物です。

Infosys Consultingの破壊的技術の責任者であるJonathanEbsworthが提供