Nul
Als ik praat met de vele bijzondere gasten op CXOTalk, een interview discussie forum dat brengt de meest innovatieve denkers in de wereld, de drie belangrijkste aspecten van de kunstmatige intelligentie naar voren zijn gekomen.
Ten eerste, de AI is een vaag overkoepelend concept dat aansluit gegevens samen en een set van technologieën, zoals patroonherkenning en andere technieken, die het emuleren van menselijk leren en intelligentie. De term “kunstmatige intelligentie” is een vaag marketing of presentatie uitdrukking die gebruikt wordt voor het gemak. Zakelijke kopers moeten dieper graven om te begrijpen van de technologieën die het meest zinvol zijn voor hun organisaties.
Ten tweede, enkele bedrijven hebben geïmplementeerd AI op schaal. Er zijn tal van prototypes en proofs of concept, maar de AI is nog nieuw en experimenteel zijn voor de meeste organisaties. Bijvoorbeeld, uit een recent onderzoek van SAS staten “AI goedkeuring nog in de beginfase.”
Ten derde, wees sceptisch van de verkoper beweert. Technologie bedrijven zijn nog steeds aan het uitzoeken waar de AI kan het verbeteren van hun producten en processen te automatiseren. Veel verkopers hebben gekocht AI startups om expertise en leemten.
De bottom line voor enterprise-kopers: leren van de tech, vraag uw verkopers, en een plan voor AI door het ontwikkelen van data science talent in huis nu. Talent schaarste is een groot probleem vandaag de dag.
—–
McKinsey Global Institute (MGI) is een van de meest vooraanstaande onderzoeksinstituten ter wereld op hoe de AI zal invloed hebben op organisaties en hun medewerkers. McKinsey onderzoek combineert kwantitatieve analyse met uitgebreide op-de-grond-interviews van de leidinggevenden en de economische operatoren. Als een resultaat, het materiaal dat ze produceren is verhelderend en nuttig. Twee recente rapporten richten op de zakelijke waarde van AI en de impact van de automatisering en de demografie en de economie.
Een van de partners leidt McKinsey Global Institute ‘ s werk over de impact van AI en aanverwante technologieën is Dr. Michael Chui, die is een van de meest uitgesproken mensen die ik ken op deze onderwerpen.
Chui ‘ s opmerkingen zijn duidelijk en geworteld in een solide onderzoek, maken van hem een natuurlijke deelnemer in de CXOTalk serie gesprekken met de meest innovatieve leiders in de wereld. Op aflevering 268 van CXOTalk, sprak ik met Michael Chui over AI, business, ethiek, beleid en economie.
Chui maakt een paar van de belangrijkste punten die ik wil benadrukken. Ten eerste, het succes van een organisatie de inspanningen vast te stellen, de AI is sterk gebaseerd op de totale digitale volwassenheid. Bedrijven met actieve programma ‘ s van digitale transformatie zal sneller vorderingen maken met AI initiatieven. Vanuit mijn perspectief, kunnen we denken aan AI initiatieven als extensies van digitale transformatie – het herdenken van de cultuur, de mentaliteit, en een business model — in plaats van geïsoleerde technologie projecten.
Tweede, denken we nu over hoe u traint uw medewerkers als AI van baan verandert, en bevrijdt van de arbeid opnieuw worden ingezet. Chui zegt dat de massale herverdeling van de arbeid zal waarschijnlijk een van de “grand challenges” we worden geconfronteerd.
De in-diepte gesprek duurt 45 minuten en is een belangrijk document dat beschrijft hoe een van ‘ s werelds top AI business onderzoekers uitzicht op de problemen van vandaag. U kunt kijken naar de hele gesprek en lees een complete transcript van aflevering 268 op de CXOTalk site.
Hier is een bewerkte samenvatting transcript getrokken uit de lange discussie:
Vertel ons over McKinsey Global Institute?
McKinsey & Company is een wereldwijde management consultancy. Het McKinsey Global Institute is onderdeel van McKinsey. Het is een investering door onze wereldwijde groep van partners over de hele wereld om onderzoek te doen, eerlijk gezegd, over onderwerpen die van belang zijn. Wij zijn al meer dan 25 jaar als onderdeel van McKinsey [en], voor de meeste van die tijd, hebben gedaan werken op de productiviteit, het land van het concurrentievermogen, arbeidsmarkt, [en] de kapitaalmarkten.
De afgelopen paar jaar hebben we nog een ander onderzoek been, die is rond de impact van de lange termijn technologische trends. We hebben gekeken naar gegevens en analyses. We hebben gekeken naar open data. We hebben gekeken op het Internet van de Dingen. Steeds meer, nu zijn we op zoek naar kunstmatige intelligentie, robotica en automatisering technologies en hun potentiële impact op het bedrijfsleven, de maatschappij en de banen en de werkgelegenheid in het algemeen.
Hoe definieer je kunstmatige intelligentie?
Je zou kunnen gaan voor uren debatteren. We omschrijven als het gebruik van machines om te doen cognitieve werk, om het werk te doen dat komt voornamelijk omdat onze hersenen. Maar, zo blijkt, zelfs van mijn afstuderen onderzoek weten we dat niet al onze intelligentie is slechts gevangen in onze hersenen. Het is ook een onderdeel van ons lichaam, et cetera. En ja, we begrijpen dat, in veel gevallen, kunstmatige intelligentie zelf kan de fysieke wereld en de dingen, zoals robotica en autonome voertuigen, et cetera. Maar, het heeft te maken met intelligentie en vervolgens de machines die instantiëren.
Wat zijn enkele van de belangrijke conclusies van uw onderzoek?
Het potentieel voor deze technologieën, dat noemen we de kunstmatige intelligentie is enorm. Ze invloed hebben op het potentieel van elke sector, dat het potentieel van elke functie. Een reden daarvoor is dat een groot deel van de potentiële toepassingen van AI, zijn uitbreidingen van het werk dat de mensen waren al begonnen in gegevens en analyses. En dus hebben we bijna 500 verschillende use cases van kunstmatige intelligentie in elke sector, in elke functie.
Soms is wat we zeggen, is dat deze traditionele analytische methoden, of het nu regressie of wat dan ook, krijgt u dit veel impact. Maar, wanneer je zou kunnen toevoegen de multidimensionality van extra gegevens of deze extra diep leren technieken, die je zou kunnen verhogen, bijvoorbeeld, is de nauwkeurigheid van prognoses of hogere OEE-of afgenomen afval, een aantal van deze dingen, die deze use cases ons laten doen. Je zou kunnen denken van AI als gewoon een andere turbo-tool voor uw analytische toolkit. Ik denk dat een brede vinden, is dat er bijna geen deel van het bedrijf dat dit niet kon beïnvloeden.
Een ander stuk, maar we hebben landmeetkundige duizenden verschillende leidinggevenden in bedrijven over de hele wereld. Mijn collega ‘ s die klanten bedienen op deze onderwerpen ook zeer direct contact met mensen die nadenken over of zijn met de AI. Een van de dingen die we nu weten, als we zitten in December 2017, als we aan het praten bent, is dat het erg vroeg. Terwijl er een enorm potentieel voor de verbetering van de economie, zowel in de bovenste regel onderste regel, slechts een zeer klein percentage van de bedrijven hebben geïmplementeerd AI op schaal of binnen de core business processen.
Nu, dat verandert elke dag, omdat steeds meer bedrijven de ontwikkeling van dit vermogen, meer leren over de technologie, en ze kunnen insluiten binnen de processen van een organisatie, die in sommige gevallen is het moeilijkste ding om te doen. We zijn gewoon heel vroeg op deze leercurve. Het is een steile leercurve, maar we zijn te vroeg. Er is dus veel potentieel, maar we zijn te vroeg.
Wat zijn de raakvlakken tussen de sectoren heb je gestudeerd?
Er zijn vele industrieën waar veel van hun waarde wordt gedreven door hun interacties met de klant. Als je een retail bedrijf, of bent u een consument pakket bedrijf, et cetera, is het misschien meer zin om te kijken naar de waarde van AI en de soorten functies. Aan de andere kant, als je de operationele effectiviteit rijdt u, als u in de zaken van de productie, de levering en de verzending van producten, bijvoorbeeld als je in de logistiek, dan is het mogelijk dat de operationele behoeften [voorrang]. Ik denk dat die op zijn minst op het hoogste niveau, een manier om over na te denken.
Een andere rode draad die we hebben gevonden is het volgende, dat is, denk ik vaak ontdek je een technologie die potentieel een transformerende impact. Je zegt: “Goh, is er niet een snelkoppeling? Kan ik niet gewoon springen en gebruik die om te strijden?”
Want we hebben ruime training sets van gegevens voor de AI, in feite, we hebben ontdekt dat er een hoge correlatie tussen sectoren en individuele bedrijven die verder aan hun digitalisering reis — de mogelijkheid om het gebruik van digitale binnen hun kernprocessen te verbeteren proces effectiviteit. Er is een hoge correlatie tussen dat en klaar zijn voor de AI.
Een van de andere rode draden die we hebben ontdekt is, is het heel moeilijk om te versnellen afgelopen uw digitalisering reis. U moet worden op de digitale reis te schakelen jezelf klaar te zijn voor de AI. Ik denk dat dat een andere bevinding.
Als je wilt versnellen van uw potentiële effect AI, je nodig hebt om sneller te bewegen langs de digitale reis.
Wat is de impact van AI worden op werknemers problemen?
Sommige van de potentiële effecten zijn van deze technieken voor het automatiseren van activiteiten die we momenteel betalen mensen om te doen in de economie.
We keken naar individuele activiteiten, niet alleen de bezetting, dus 2.000 verschillende activiteiten betalen we mensen om te doen in de mondiale economie. De helft van de tijd die mensen besteden betaald aan het werk is op de activiteiten die in theorie kunnen we automatiseren door een aanpassing van de technologieën die vandaag de dag bestaan. Dat klinkt eng, toch? Dat is een groot percentage, maar we zijn niet te voorspellen 50% werkloosheid morgen deels, want het kost echt tijd. Het duurt echt tijd voor het ontwikkelen van de technologie.
Je hebt een positieve business case. Technologieën neigen duur te zijn wanneer ze voor het eerst worden ontwikkeld, of het nu een zelf-rijdende auto of een kunstmatige intelligentie algoritme. Dat kost daalt, dankzij de wet van Moore. Je moet net dat af tegen de kosten van de menselijke arbeid, en dat is anders in de hele wereld.
In ieder geval 50% van de wereldwijde activiteiten mogelijk kan niet worden geautomatiseerd voor een 40 jaar 2055. Hoewel, we hebben een scenario dat 20 jaar eerder en een scenario dat 20 jaar later. We weten wel dat steeds meer activiteiten we mensen betalen om te doen zal worden geautomatiseerd.
De vraag is dan, is er genoeg vraag naar de menselijke arbeid, zelfs na aftrek van de dingen die kunnen worden geautomatiseerd? Ons verslag van de afgelopen maand suggereert ja.
Als je ziet verschillende mogelijke katalysatoren — of het verhogen van de welvaart in de wereld; nog eens een miljard mensen die het consumeren klasse in de komende decennia; of je nu praat over ouder worden, dat is een verontrustende zaak, want we hebben [minder] arbeiders, maar aan de andere kant drijft de noodzaak voor de gezondheidszorg. We hebben de rollen voor het ontwikkelen en implementeren van de technologieën zelf.
Hopelijk gaan we zien een toename van de investeringen in infrastructuur om de consumptie van de klas, maar ook op het oplossen van en het verbeteren van de infrastructuur die we hebben. We zien veranderingen in de energiemix en efficiëntie, en mogelijk zelfs veel van wat er op dit moment van onbetaalde arbeid in de economie, die is vele malen gedaan door vrouwen thuis, of het nu de kinderopvang, koken en schoonmaken, meer en meer de markt.
Als je kijkt naar al die dingen bij elkaar, en dan ook nog eens je net tegen die de activiteiten die AI en robotica kunnen doen, we zien nog steeds veel werk voor mensen om te doen, genoeg om te compenseren voor de effecten van automatisering.
De brede vraag is echter, als je denkt dat massale werkloosheid is niet van plan te zijn het probleem, massa herschikking kan zijn het probleem. Zo veel als we willen dat het onderwijs beter te worden, dat werkt redelijk goed.
We denken dat het potentieel van de grote grand uitdaging voor de komende decennia is, hoe doen we omscholen miljoenen werknemers die technologie zal verdringen? We hebben ze nodig om te blijven werken aan economische groei en toch, op schaal, de omscholing van mensen in het verleden hun eerste twee decennia van het leven is iets dat ik durf te zeggen dat we nog niet helemaal opgelost, maar toch. Dat is iets waar we hard nodig hebben om te werken.
Zakelijke leiders beginnen na te denken over de omscholing van de werknemer, nu is dat nog te vroeg?
Dit vraagt om een aantal onmiddellijke aandacht. Het is niet noodzakelijk omdat de dingen gaan gebeuren ‘ s nachts, in het bijzonder met AI. Maar als we denken dat we over automatisering technologies, meer in het algemeen, vervolgens, in feite, beginnen we in te zien dat deze dingen, of het robotachtige proces automatisering, of het nu fysieke automatisering van een fabriek, in de logistiek of in een distributiecentrum. Deze technologieën komen in het spel van vandaag.
Hoewel we beschreven dit als een multi-decennium trend, die de tijd zal nemen in de macro, het zal snel gebeuren voor particulieren. Het zal snel gebeuren voor individuele werknemers. Hij neemt ook de tijd om te begrijpen omscholing. We beschreven dit als een grote uitdaging. Meestal, grote uitdagingen zijn niet opgelost ‘ s nachts, en ik denk dat zakelijke leiders te betrekken op deze vraag over de omscholing van het personeel op een meer permanente basis op de schaal is iets dat is een vraag die dient om tot de top van hun geest wanneer ze beginnen na te denken over hun personeelsbestand strategie.
Het idee van een universeel basisinkomen soms komt in deze discussies?
Dit idee van een universeel basisinkomen gegarandeerd minimum inkomen, et cetera, is het vastleggen van een stuk van de munt. Ik zit in San Francisco hier en, zoals blijkt, er zijn een heleboel mensen over te praten. Er zijn veel argumenten voor.
Een van die argumenten is als we denken dat de machines gaan nemen van iedereen baan en we gaan met massale werkloosheid, moeten we ervoor zorgen dat iedereen voldoende inkomen, zodat zij, in feite, kan zich te voeden en voeden hun gezinnen. Ik denk dat dat gerechtvaardigd is of dat de motivering voor een universeel basisinkomen geeft te vroeg, omdat die uitgaat van massale werkloosheid. In feite, wat we zeggen is dat we moeten massa herschikking van de middelen, niet massale werkloosheid, gewoon om ervoor te zorgen dat we genoeg hebben van de economische groei voor de toekomst.
Ons standpunt is dat we hebben gekeken naar de afgelopen 50 jaar van de economische groei. De helft van dat komen omdat er meer mensen werken. Door de vergrijzing gaan we verliezen veel van. Een manier om na te denken over het is dat we gewoon niet genoeg werknemers. We hebben alle AIs, robots, et cetera werken, plus we moeten mensen die werken aan de economische groei. Nogmaals, als je denkt dat UBI is gebaseerd op het feit dat we het gaan hebben met massale werkloosheid, ik denk dat je hebt gegeven tot het al en, in feite, je moet bewegen.
Het andere ding dat ik denk dat het ook nuttig zijn, opnieuw, zoals gemodelleerd op de potentiële impact van AI en andere technologieën, plus de volgende extra stuurprogramma ‘ s, kunnen we doorgaan om te zien dat deze stijgende inkomens dispersie of de inkomensongelijkheid. U vraagt zich misschien af, “Kijken. We moeten er enkel voor zorgen dat mensen krijgen genoeg betaald krijgen.” Goed, nogmaals, als u wilt bekijken vanaf een openbare beleid standpunt, misschien kan je richten op de soorten subsidies, zoals de arbeidskorting, die zowel incent werk en extra inkomsten voor de mensen. Ik denk, denken door middel van elk van die mogelijkheden.
Nu, dat gezegd hebbende, UBI voor een plaats die is een land in ontwikkeling, is het misschien ook een verdieping in plaats dat mensen in staat stelt om veel meer vrijheid met betrekking tot wat ze kunnen doen in hun werk. Maar, in een ontwikkeld land, zowel vanwege de kosten, evenals het feit dat het niet is gericht op het proberen om mensen te werken, ik vind het uitdagend om die reden. Dat gezegd hebbende, de totale punt, een ander algemeen punt dat vonden we uit de geschiedenis, die naar wij hopen zal blijven is, hoewel we niet denken kan iedereen volledig te stoppen met werken, de werkweek is gedaald, gemiddeld met tweecijferige percentages meer dan een kwestie van decennia en eeuwen.
Hopelijk, kunnen wij allen hebben meer tijd voor ontspanning. Door de manier, vrije tijd ontwikkelt nieuwe activiteiten, nieuwe beroepen. Dat is iets anders dat we moeten doen. We moeten doorgaan met het genereren van nieuwe activiteiten en beroepen. Hopelijk, de werkweek zal blijven afnemen in de tijd. Tenminste, voor de nabije toekomst, we zien het niet gaat naar nul.
Wat over de veranderende bevolkingssamenstelling?
Demografie is interessant en bevat een aantal krachtige factoren. Nogmaals, we bespreken enkele van deze in het rapport publiceerde vorige maand. Eerste van alle, landen verschillen sterk in hun demografische gegevens. Voor veel landen, ze verouderen, en dat verergert deze vraag; we hebben niet genoeg werknemers om door te gaan met de economische groei die we hebben voor zo vele jaren. De reden waarom wij hebben een beter leven dan onze ouders en onze ouders hadden beter leven dan onze grootouders, et cetera, is omdat dit de economische groei en de helft van het komen van meer mensen werken.
Duitsland beroepsbevolking afneemt. Japan beroepsbevolking afneemt. China, met een bevolking van anderhalf biljoen mensen, hun personeel ofwel is of, afhankelijk van wie je het vraagt, zal binnenkort beginnen te dalen. Dat zijn landen die simpelweg niet genoeg werknemers ter ondersteuning van de economische groei. Nogmaals, één van de gevolgen van die AI en robotica kunnen een aantal van de werknemers, in kunt vullen voor dat de kloof met betrekking tot alleen nummers van mensen die beschikbaar zijn om te werken.
Dat gezegd hebbende, er zijn andere landen, zoals India, landen op het Afrikaanse continent, et cetera, die zijn nog erg jong, en hun demografische piramide ziet er heel anders uit. We zijn betrokken op een bepaald punt over het feit, nou, tjonge, wat als automatisering AI, deze technologieën, in het spel komen, net zoals ze nodig hebben om nog meer jobs? Dat is absoluut waar in India, bijvoorbeeld; nog eens 150 miljoen mensen hebben werk te gaan.
We gemodelleerd uit al deze mogelijke drivers van extra vraag. Door de manier, kozen we voor zeven van hen. We weten dat er meer is, dus ook onze modellering is beperkt. Met name in die landen die de neiging hebben om jonge, die zijn landen ook vaak met hoge aspiraties voor hun economische groei. Ze beginnen met een relatief laag BBP per hoofd van de bevolking schaal. Als een resultaat, dat zal genereren veel vraag naar de menselijke arbeid, evenals de robotica en kunstmatige intelligentie. Zelfs in die landen, zien we het potentieel voor veel werk, werk dat gedaan moet worden.
Nogmaals, dat komt terug op de vraag van scholing en onderwijs. Kunnen we mensen naar die banen? Vervolgens kunt u met de implementatie van deze technologieën op een manier, omdat, zoals ik al eerder zei, AI en robotica vereisen een onderbouwing van de beweging op de digitale reis? Zelfs de landen die zijn de ontwikkeling van een jonge en zal verplaatsen van op de digitale reis voor hen om te profiteren van deze andere technologieën, en het verbeteren van hun productiviteit, terwijl ze het genereren van nieuwe banen voor mensen.
Welk advies heb je voor gevestigde organisaties?
Nummer één is, besteden de nodige tijd en middelen voor het begrijpen van de technologie en de mogelijkheden. Ik bedoel, ik zou hebben gezegd dat ze moeten lees ons verslag, maar [gelach] maar ik ben niet van plan om de commerciële. Ik denk dat het is beginnen te begrijpen wat dat potentieel is. Dan denk ik dat het dezelfde soort van test en leren filosofie, die effectief in de gegevens en analyses in het algemeen, ik denk dat dat iets is waar hier ook.
Een ander ding dat ik denk, wat ook geldt, is in het bijzonder voor de technologieën die ook vandaag de dag rond de machine learning en diep leren. Ze zijn gebaseerd op het hebben van oefenverzamelingen, zodat de gegevens. Ik denk dat de geraffineerde over het hebben van een data-strategie is belangrijk.
Ik had de gelegenheid om te spreken met Andrew Ng, bijvoorbeeld, die is een van de pioniers in de diepe leren en machine learning, in het algemeen. Hij spreekt over een aantal van de toonaangevende bedrijven in de implementatie van AI, echt tijd doorbrengen op deze meerjarige uitzicht op welke gegevens is belangrijk om te worden opgehaald of toegang hebben tot zo zullen ze in staat zijn om te concurreren vooruit gaan, en ze spelen van deze meerjarige. Hij beschrijft ze als multidimensionale schaken spelen om toegang te hebben tot de gegevens die zaken.
Een van de grootste uitdagingen is op het menselijk talent zijde. We zagen dit met de gegevens wetenschappers eerder. Nogmaals, in zekere mate, we hadden het over veel van de AI use cases uitbreidingen van de analytics gevallen. De google analytics-uitdagingen over talent nu uitgebreid met de uitdagingen rond AI, en dus enorme bedragen van de oorlog voor talent met betrekking tot mensen die juist deze technologieën diep.
Natuurlijk, dat is aan het veranderen, ook als dat meer en meer mensen gebruik maken van de online middelen, inschrijven in de klassen, et cetera. Nogmaals, vraag en aanbod voortdurend in beweging zijn. Nu, de vraag is zo hoog, en het aanbod is relatief beperkt. Een van de grootste uitdagingen is gewoon mensen aan boord die het kan doen.
CXOTalk brengt de meest top van het bedrijfsleven en de overheid leiders voor diepgaande gesprekken op digitale disruptie, AI, innovatie en aanverwante onderwerpen. Bekijk onze vele afleveringen! Thumbnail image Creative Commons-van Pixabay.
Verwante Onderwerpen:
Thought Leadership
Digitale Transformatie
Innovatie
Tech Industrie
0