Nul
Som jeg taler med de mange ekstraordinære gæster på CXOTalk, et interview, en diskussion-forum, der samler de mest innovative tænkere i verden, er tre vigtige forretningsmæssige aspekter af kunstig intelligens er dukket op.
For det første, AI er en vag paraply begreb , som binder data og et sæt af teknologier, såsom mønstergenkendelse og andre teknikker, for at efterligne menneskelig læring og intelligens. Udtrykket “kunstig intelligens” er en upræcis markedsføring eller præsentation udtryk, der anvendes for nemheds skyld. Business-købere bør grave dybere for at forstå de teknologier, der gør mest mening for deres organisationer.
Andet, nogle virksomheder har implementeret en AI på skalaen. Der er masser af prototyper og beviser for begrebet, men AI er stadig nye og eksperimenterende for de fleste organisationer. For eksempel, ifølge en nylig undersøgelse af SAS hedder “AI vedtagelse stadig i de tidlige faser.”
For det tredje, være skeptiske over for sælgeren krav. Teknologi-virksomheder, der stadig forsøger at finde ud af, hvor AI kan forbedre deres produkter og processer, som de automatisere. Mange leverandører har købt AI nystartede virksomheder til at opnå ekspertise og udfyldning af huller.
Den nederste linje for virksomheden købere: lære tech, spørgsmål dine leverandører, og plan for AI, udvikling af data science talent i huset nu. Standardisering er et stort problem i dag.
—–
McKinsey Global Institute (MGI) er en af de førende forsknings-organisationer i verden på, hvordan AI vil påvirke organisationer og deres medarbejdere. McKinsey ‘ s forskning, der kombinerer kvantitative analyse med en omfattende on-the-ground-interviews af ledere og erhvervsdrivende. Som et resultat, det materiale, de producerer, er indsigtsfulde og nyttige. To nylige rapporter fokuserer på den forretningsmæssige værdi af AI, og virkningen af automatisering og demografi på arbejde og økonomi.
En af de partnere, der fører McKinsey Global Institute ‘ s arbejde om virkningen af AI og relaterede teknologier er Dr. Michael Chui, der er en af de mest velformulerede mennesker, jeg kender på disse emner.
Chui ‘ s kommentarer er klare og forankret i solid forskning, som gør ham til en naturlig deltager i CXOTalk serie af samtaler med de mest innovative ledere i verden. På episode 268 af CXOTalk, jeg talte med Michael Chui om AI, forretning, etik, politik og økonomi.
Chui gør et par af de vigtigste punkter, som jeg ønsker at fremhæve. For det første, succes af en organisations bestræbelser på at vedtage AI er i høj grad baseret på dens samlede, digitale modenhed. Virksomheder med aktive programmer i digital transformation vil være mere tilbøjelige til at gøre fremskridt med AI initiativer. Fra mit perspektiv, kan vi tænke på AI initiativer, som udvidelser af digital transformation – nytænkning kultur, tankegang, og forretningsmodel — snarere end isolerede it-projekter.
For det andet, begynde at tænke over, hvordan du vil træne dine medarbejdere, som AI skifter job, og frigør arbejdskraft, der skal genanvendes. Chui siger, at den massive omfordeling af arbejdskraft vil sandsynligvis være en af de “store udfordringer” vi står over for.
Den dybdegående samtale varer 45 minutter, og er et vigtigt dokument, der beskriver, hvordan et af verdens bedste AI business forskere har udsigt til problemer i dag. Du kan se hele samtalen og læse en komplet udskrift af episode 268 på CXOTalk site.
Her er et redigeret sammendrag udskrift trukket fra den lange diskussion:
Fortæl os om McKinsey Global Institute?
McKinsey & Company er en global management konsulentfirma. McKinsey Global Institute er en del af McKinsey. Det er en investering i vores gruppe af partnere over hele verden til at forske, helt ærligt, om emner, der betyder noget. Vi har eksisteret i over 25 år som en del af McKinsey [og], for det meste af tiden, har gjort arbejde på produktivitet, land, konkurrenceevne, arbejdsmarkedet, [og] kapitalmarkederne.
I de sidste par år, har vi tilføjet en anden forskning ben, der er omkring virkningen af langsigtede teknologiske tendenser. Vi har kigget på data og analytics. Vi har kigget på open data. Vi har kigget på Internet af Ting. Mere og mere, nu kigger vi på kunstig intelligens, robotteknologi og automation technologies og deres potentielle indvirkning på erhvervslivet, samfundet og job og beskæftigelse mere generelt.
Hvordan kan du definere, kunstig intelligens?
Du kan gå til timer på at diskuterer det. Vi kan beskrive det som at bruge maskiner til at gøre kognitive arbejde, til at gøre det arbejde, der kommer, primært på grund af vores hjerner. Men, som det viser sig, selv fra min ph.d undersøgelser, vi ved, at ikke alle vores intelligens er blot fanget i vores hjerner. Det er også en del af vores krop, et cetera. Og så forstår vi, at i mange tilfælde, kunstig intelligens i sig selv kan indtaste den fysiske verden og være ting som robotter og autonome køretøjer, et cetera. Men, det har at gøre med intelligens, og så er de maskiner, der instantiere det.
Hvad er nogle af de vigtige konklusioner i din forskning?
Potentialet for disse teknologier, som vi kalder kunstig intelligens er enorm. De påvirker potentielt hver sektor, potentielt hver funktion. En af grundene til, at der er en masse af de mulige anvendelser af AI er udvidelser af det arbejde, som folk allerede havde begyndt i data og analytics. Og så har vi været på udkig på næsten 500 forskellige use cases for kunstig intelligens på tværs af alle sektorer, og på tværs af alle funktioner.
Nogle gange er det, vi siger, er, at disse traditionelle analytiske metoder, uanset om det er regression eller hvad har du, får du denne meget indflydelse. Men, når du kan tilføje dækker de mange aspekter af yderligere data, eller disse ekstra dyb læring teknikker, du kan øge, for eksempel, forecast nøjagtighed eller øget OEE eller nedsat affald, en række af disse ting, som disse use cases giver os mulighed for at gøre. Kunne du tænke af AI som blot at være en anden turbo-værktøj til dine analytiske værktøjskasse. Jeg tror, det er en bred med at finde, der er, at der næsten ikke er nogen del af den virksomhed, som denne ikke kunne påvirke.
Et andet stykke, selv om, er, at vi har været landmåling tusindvis af forskellige medarbejdere i virksomheder rundt omkring i verden. Mine kolleger, der betjener kunder på disse emner også har meget direkte kontakt med mennesker, der tænker på eller er ved hjælp af AI. En af de ting, som vi ved nu, da vi sidder i December 2017, som vi taler, er, at det er meget tidligt. Mens der er stort potentiale for at forbedre økonomi, både på top-og bundlinje linje, er det kun en meget lille procentdel af virksomhederne har enten indsat AI på skala eller inden for centrale forretningsprocesser.
Nu, der ændrer sig hver dag, så flere virksomheder til at udvikle denne evne, kan du lære mere om teknologien, og de kan integrere det i de processer, der er i en organisation, som i nogle tilfælde er det sværeste at gøre. Vi er bare meget tidligt om denne indlæringskurve. Det er en stejl indlæringskurve, men vi er tidligt. Der er så meget potentiale, men vi er tidligt.
Hvad er fælles tråde blandt de brancher, du har studeret?
Der er mange brancher, hvor meget af deres værdi bliver drevet af deres kunde-interaktioner. Hvis du er en detailvirksomhed, hvis du er en forbruger-pakke virksomhed, et cetera, er det måske give mere mening at se på værdien af AI, og disse typer af funktioner. På den anden side, hvis din operationelle effektivitet, der driver dig, hvis du er i branchen for produktion, levering og forsendelse produkter, for eksempel, hvis du er inden for logistik, så måske de operationelle behov [forrang]. Jeg tror, de er, i det mindste på det øverste niveau, en måde at tænke på det.
En anden rød tråd, som vi har fundet følgende, som er, tror jeg ofte, du opdager en teknologi, som potentielt har en transformerende effekt. Du siger: “Gosh, er der ikke en genvej? Kan jeg ikke bare springe, og bruge det til at konkurrere?”
Fordi vi har brug for store uddannelse sæt af data til AI, i virkeligheden, vi har opdaget, at der er en høj korrelation mellem sektorer og individuelle virksomheder, der er længere henne på deres digitalisering rejse — muligheden for at bruge digitale i deres centrale processer for at forbedre processen effektivitet. Der er en høj korrelation mellem, at og være klar til AI.
En af de andre almindelige tråde, vi har opdaget, er, at det er ganske vanskeligt at accelerere forbi din digitalisering rejse. Du skal være på den digitale rejse for at sætte dig selv til at være klar til AI. Jeg tror, det er en anden konklusion.
Hvis du ønsker at fremskynde dine potentielle konsekvenser med AI, er du nødt til at accelerere din bevæger sig langs den digitale rejse.
Hvad vil konsekvenserne af AI være på arbejdsmarked?
Nogle af de potentielle konsekvenser er til disse teknologier til at automatisere aktiviteter, som vi i øjeblikket betaler folk til at gøre i økonomien.
Vi kiggede på de enkelte aktiviteter, ikke bare besættelse, så 2.000 forskellige aktiviteter, vi betaler folk til at gøre i den globale økonomi. Halvdelen af den tid, folk bruger, der er betalt på arbejde er aktiviteter, der teoretisk kunne vi automatisere ved at tilpasse teknologier, der eksisterer i dag. Det lyder skræmmende, ikke sandt? Der er en stor procentdel, men vi er ikke forudsige 50% arbejdsløshed i morgen, dels fordi det tager realtid. Det kræver virkelig tid til at udvikle teknologien.
Du har brug for en positiv business case. Teknologier tendens til at være dyre, når de først er udviklet, uanset om det er en selvkørende bil, eller en kunstig intelligens algoritme. At omkostningerne falder tak til Moore ‘ s lov. Du er nødt til at nettet, som ud over omkostningerne af menneskelig arbejdskraft, og at der er forskellige rundt omkring i verden.
I hvert fald 50% af verdens aktiviteter, der potentielt kan ikke være automatiseret til en anden 40 år, så 2055. Selv om vi har et scenarie, hvilket er 20 år tidligere, og et scenarie, der er 20 år senere. Vi ved, at der i stigende grad aktiviteter, som vi betaler folk til at gøre, vil blive automatiseret.
Spørgsmålet er så, vil der være efterspørgsel nok for menneskelig arbejdskraft, selv netto af de ting, der kan automatiseres? Vores rapport fra sidste måned tyder på, ja.
Hvis du se forskellige potentielle katalysatorer-uanset om den stigende velstand i hele verden; en milliard mennesker indtaste tidskrævende klasse i de næste par årtier, uanset om du taler om aldring, som er en bekymrende ting, fordi vi har [færre] arbejdstagere, men på den anden side er det drev behovet for sundhedsydelser. Vi har roller for mennesker til at udvikle og implementere teknologier til sig selv.
Forhåbentlig, vi kommer til at se en øget investering i infrastruktur til at hjælpe de forbrugende klasse, men også rettelse og forbedring af den infrastruktur, som vi har. Vi vil se ændringer i energi-mix og effektivitet, og muligvis endda en masse af, hvad der i øjeblikket ulønnet arbejde i den økonomi, der er mange gange udført af kvinder i hjemmet, hvad enten det er børnepasning, madlavning og rengøring, mere og mere ind på markedet.
Hvis du ser på alle de ting sammen, og så endda i dit net mod de aktiviteter, som AI og robotteknologi kan gøre, ser vi stadig masser af arbejde for mennesker at gøre, nok til at opveje virkningerne af automatisering.
Det store spørgsmål, selv om, er, hvis du tror, massearbejdsløshed kommer ikke til at være problemet, masse omfordeling kan være problemet. Så meget som vi ønsker, at uddannelsessystemet til at få det bedre, det virker ret godt.
Vi tror, at den potentielt store grand udfordring for de næste par årtier, er, hvordan vi skal omskole millioner af arbejdere, som teknologi vil fortrænge? Vi har brug for dem til at fortsætte med at arbejde for økonomisk vækst, og alligevel, i det omfang, omskoling af folk forbi deres første to årtier af livet er noget, som jeg tør sige, at vi ikke har løst endnu. Det er noget, som vi har hårdt brug for at arbejde.
Bør virksomhedsledere begynde at tænke på arbejdstager omskoling nu eller er det stadig for tidligt?
Dette kræver en øjeblikkelig opmærksomhed. Det er ikke nødvendigvis fordi tingene kommer til at ske natten over, især med AI. Men hvis vi tænker over automation technologies mere bredt, så i virkeligheden, at vi er begyndt at se disse ting, uanset om det er robot-automatisering, uanset om det er fysisk automation fra en fabrik, i logistik, eller i et distributionscenter. Disse teknologier kommer i spil i dag.
Mens vi har beskrevet dette som en multi-decade tendens, som vil tage tid i makro, vil det ske hurtigt for enkeltpersoner. Det vil ske hurtigt, for de enkelte arbejdstagere. Det tager også tid at forstå omskoling. Vi beskrev det som en stor udfordring. Normalt, de store udfordringer er ikke løst natten, og så jeg tror, virksomhedsledere at engagere sig på dette spørgsmål om omskoling af arbejdsstyrken på en kontinuerlig basis, på skalaen er noget, der er et spørgsmål, der burde være på toppen af deres sind, når de er begyndt at tænke over deres arbejdsstyrke strategi.
Idéen om universel basisindkomst til tider kommer op i disse diskussioner?
Denne idé om en universel basisindkomst, garanteret minimumsindkomst, et cetera, er at fange en masse af valuta. Jeg sidder her i San Francisco, og, som det viser sig, at der er en masse mennesker, der taler om det der. Der er masser af argumenter for det.
Et af disse argumenter er, hvis vi tror, at maskinerne kommer til at tage alles job, og vi er nødt til masse-arbejdsløshed, at vi skal sørge for, at alle har nok indkomst, således at de, i virkeligheden, kan brødføde sig selv og forsørge deres familier. Jeg tror, at begrundelse, eller at begrundelsen for universel basisindkomst giver op for tidligt, fordi det forudsætter en massiv arbejdsløshed. I virkeligheden, hvad vi siger, er, at vi har brug for masse omfordeling, ikke massearbejdsløshed, bare for at gøre sikker på, at vi har nok økonomiske vækst fremadrettet.
Vores synspunkt er, at vi har kigget på de sidste 50 års økonomisk vækst. Halvdelen af de, der er kommet om på grund af flere mennesker i arbejde. På grund af aldring, vi kommer til at miste en masse af det. En måde at tænke over det, er vi bare ikke har nok arbejdskraft. Vi har brug for alle AIs, robotter, et cetera arbejde, plus vi har brug for mennesker, der arbejder for økonomisk vækst. Igen, hvis du tror, UBI er baseret på det faktum, at vi er nødt til massearbejdsløshed, jeg tror, du har givet op allerede, og, faktisk, er du nødt til at flytte.
Den anden ting, som jeg tror, er også nyttigt, igen, som vi modelleret ud til de potentielle virkninger af AI og andre teknologier, plus de yderligere drivere, vi kan fortsætte med at se denne stigende indkomst dispersion eller indkomst ulighed. Du vil måske spørge, “Look. Vi skal bare sørge for, at folk bliver betalt nok.” Godt, så igen, hvis du ønsker at se på det fra et politisk synspunkt, måske du kunne målrette mod de typer af støtte som beskæftigelsesfradraget, som både incent arbejde samt give yderligere indtægter til mennesker. Jeg tror, at tænke igennem alle disse muligheder.
Nu, som sagt, UBI til et sted, der er et udviklingsland, igen, kan det lægge en bund, der giver folk mulighed for at have en masse mere frihed i forhold til, hvad de er i stand til at gøre i deres job. Men, i et udviklet land, både på grund af den udgift, samt det faktum, at det ikke er målrettet mod at forsøge at få folk i arbejde, jeg synes, det er udfordrende af den grund. Som sagt er det overordnede element, en anden overordnede pointe, at vi fandt ud af historien, som vi håber, vil fortsætte, er, at selvom vi ikke tror, at alle kan helt stoppe med at arbejde, arbejder uge har afvist, i gennemsnit, med et tocifret procenttal over en sag af årtier og århundreder.
Forhåbentlig, vi alle kan få mere tid til fritid. Af den måde, fritids-drev, nye aktiviteter, nye fag. Det er noget andet, vi skal gøre. Vi er nødt til at fortsætte med at skabe nye aktiviteter og erhverv. Forhåbentlig arbejdsuge vil fortsætte med at falde over tid. I det mindste, for en overskuelig fremtid, vi ikke kan se det kommer til nul.
Hvad med skiftende demografi?
Demografi er interessant og indeholder en række magtfulde faktorer. Igen, vi dække nogle af dette i den betænkning, som vi offentliggjorde i sidste måned. Første af alle lande varierer meget i deres demografi. For mange af de lande, de er aldring, og som forværrer dette spørgsmål, som vi ikke har nok arbejdere til at fortsætte den økonomiske vækst, som vi har nydt godt af i så mange år. Grunden til, at vi har et bedre liv end vores forældre og vores forældre havde et bedre liv end vores bedsteforældre, et cetera, er på grund af dette økonomiske vækst og halvdelen af det der kommer fra flere mennesker i arbejde.
Tyskland ‘ s arbejdsstyrke er faldende. Japan ‘ s arbejdsstyrke er faldende. Kina, med en befolkning på en milliard og en halv mennesker, deres arbejdsstyrke, der enten er til eller afhængigt af hvem du spørger, vil om kort tid begynde at falde. Disse er de lande, der simpelthen ikke har nok arbejdere til at understøtte den økonomiske vækst. Igen, en af konsekvenserne af, at AI og robotteknologi kan være nogle af de arbejdstagere, der kan udfylde for, at skellet med hensyn til blot antallet af mennesker, der står til rådighed for arbejde.
At sagde, at der er andre lande som Indien, lande på det Afrikanske kontinent, et cetera, som er meget unge, og deres demografiske pyramide ser meget forskellige. Vi er bekymret for, på et tidspunkt om det faktum, jamen, hov, hvad nu, hvis automation AI, disse teknologier, der kommer i spil, ligesom de har brug for til at skabe endnu flere arbejdspladser? Det er helt rigtigt, i Indien, for eksempel, og yderligere 150 millioner mennesker har brug for arbejdspladser at gå fremad.
Vi modelleret ud af alle disse mulige førere af yderligere efterspørgsel. Af den måde, vi samlet syv af dem. Vi ved, at der er mere, så selv vores modellering er begrænset. Især i de lande, der har tendens til at være unge, de er også lande, som har tendens til at have høje forventninger til deres økonomiske vækst. De starter relativt lavt på BNP per indbygger skala. Som et resultat, der vil generere masser af efterspørgsel for menneskelig arbejdskraft, samt robotteknologi og kunstig intelligens. Selv i de lande, vi ser potentiale for masser af arbejde samt arbejde, der skal gøres.
Igen, der kommer tilbage til spørgsmålet om omskoling og uddannelse. Kan vi få folk ind i disse job? Derefter, du kan anvende disse teknologier på en måde, fordi, som jeg sagde før, AI og robotteknologi kræver en understøttelse af, der bevæger sig på digitale rejse? Selv de lande, som er ved at udvikle og unge, bliver nødt til at flytte på den digitale rejse for dem at drage fordel af disse andre teknologier og forbedre deres produktivitet, mens de er generere nye arbejdspladser til mennesker, som godt.
Hvilke råd har du til etablerede organisationer?
Nummer et er, at afsætte tid og ressourcer til at forstå teknologien og dens muligheder. Jeg mener, jeg burde have sagt, at de bør læse vores rapport, men [latter], men jeg har ikke tænkt mig at gøre det kommercielle. Jeg tror, det er begyndt at forstå, hvad der er potentiale. Så tror jeg de samme muligheder for at teste og lære filosofi, der var effektiv i data og analytics generelt, jeg tror, det er noget, som er sandt her, også.
En anden ting jeg tror, der er også sandt, er især for de teknologier, der fungerer godt i dag omkring machine learning og dyb læring. De er baseret på at have uddannelse sæt, så data. Jeg synes, det at være sofistikeret om at have et data-strategi er vigtig.
Jeg havde lejlighed til at tale med Andrew Ng, for eksempel, der er en af pionererne i dyb læring og machine learning, alt i alt. Han taler om nogle af de førende virksomheder i implementering af AI, virkelig bruge tid på disse flerårige udsigt over hvilke data det er vigtigt, at der indsamles af eller have adgang til, så de vil være i stand til at konkurrere går fremad, og de er at spille med i disse flerårige. Han beskriver dem som multidimensional skak spil skal have adgang til de data, der er afgørende.
En af de største udfordringer, der nu er på den menneskelige talent side. Vi så dette med data, som forskerne hidtil. Igen, til en vis grad, vi talte om mange af AI use cases være udvidelser af analytics-use cases. Analytics udfordringer omkring talent nu er udvidet til de udfordringer, der er omkring AI så godt, og så enorme mængder af war for talent for folk, der forstår disse teknologier dybt.
Selvfølgelig, der er under forandring, for, som flere og flere mennesker at drage fordel af online-ressourcer, tilmelde sig klasser, et cetera. Igen, udbud og efterspørgsel er i konstant udvikling. Lige nu er, at efterspørgslen er så stor, og udbuddet er ret begrænset. En af de største udfordringer er bare at have folk ombord, der kan gøre det.
CXOTalk samler de mest verdens bedste business-og regeringsledere for indgående samtaler på digitale forstyrrelser, AI, innovation og relaterede emner. Vær sikker på at se vores mange episoder! Thumbnail billede Creative Commons fra Pixabay.
Relaterede Emner:
Thought Leadership
Digital Transformation
Innovation
Tech-Branchen
0