Τεχνητή νοημοσύνη: Γιατί αναγκάζει σε δύσκολες, δαπανηρές αποφάσεις προσλήψεων

Οι δυνατότητες τεχνητής νοημοσύνης συνεχίζουν να επεκτείνονται, και αυτό απαιτεί πολύ εξειδικευμένο προσωπικό και ίσως ακόμη πιο φρέσκιες ιδέες. Υπό αυτό το πρίσμα πολλά στελέχη αντιμετωπίζουν μια κρίσιμη απόφαση: Πρέπει να επενδύσουν στην αναβάθμιση των υφιστάμενων ομάδων τους ή να φέρουν εξωτερικούς ειδικούς για να ξεκινήσουν εκ νέου τις προσπάθειες τους AI;

Με την παγκόσμια αγορά συμβούλων τεχνητής νοημοσύνης που προβλέπεται να φτάσει τα 72,5 δισεκατομμύρια δολάρια έως το 2025, με σύνθετο ετήσιο ρυθμό ανάπτυξης 40,3% από το 2020 έως το 2027 και το 63% των επιχειρήσεων να σχεδιάζουν να αυξήσουν τις επενδύσεις τους σε τεχνητή νοημοσύνη το επόμενο έτος, η ζήτηση για εξωτερική εμπειρογνωμοσύνη είναι σαφώς σε άνοδο. Αλλά αυτό δεν σημαίνει ότι υπάρχει μια λύση που ταιριάζει σε όλους, όπως είπε στο CNBC ο Χακάν Καρντές, chief experience officer της Alignment Health.

Mπιλ Γκέιτς: Πού χρησιμοποιεί περισσότερο την Τεχνητή Νοημοσύνη

«Υπάρχουν αναμφισβήτητα πλεονεκτήματα από την προσέλκυση εξωτερικών συμβούλων, ειδικά νωρίς στο ταξίδι της τεχνητής νοημοσύνης», είπε, προσθέτοντας ότι οι εξωτερικοί σύμβουλοι προσφέρουν άμεση πρόσβαση σε εξειδικευμένες δεξιότητες και γνώσεις, οι οποίες είναι βασικές για την επιτάχυνση κρίσιμων έργων και την εξερεύνηση νέων τεχνολογιών.

Σύνδεση εξωτερικών συνεργατών και εσωτερικών ομάδων

Ωστόσο, ο Καρντές λέει ότι η πρόκληση έγκειται στη «διασφάλιση της αποτελεσματικής ενσωμάτωσης της εξωτερικής εμπειρογνωμοσύνης με την εσωτερική ομάδα…για να αποτραπεί η μακροπρόθεσμη εξάρτηση». Και ενώ η αναβάθμιση έχει το πλεονέκτημα της ενσωμάτωσης της τεχνογνωσίας της τεχνητής νοημοσύνης βαθιά μέσα σε έναν οργανισμό σε μακροπρόθεσμη βάση, αυτή η διαδρομή απαιτεί σημαντικό χρόνο, πόρους και δέσμευση, που δεν μπορεί να αντέξει κάθε εταιρεία, λέει.

Ο Στίβεν Μπόιερ, συνιδρυτής και επικεφαλής καινοτομίας στην εταιρεία διαχείρισης κινδύνων στον κυβερνοχώρο Bitsight, είπε στο CNBC: «Το εύκολο πράγμα που μπορείς να κάνεις είναι να προσλάβεις την PwC επειδή έχουν ανθρώπους που το κάνουν αυτό εδώ και μια δεκαετία, αλλά σε αυτήν την περίπτωση κανείς δεν έχει ασχοληθεί με το συγκεκριμένο αντικείμενο επί μια δεκαετία Οι άνθρωποι ασχολούνται με τη μηχανική μάθηση και άλλα μέρη της τεχνητής νοημοσύνης για μεγάλο χρονικό διάστημα, αλλά [η δημιουργική τεχνητή νοημοσύνη] είναι κάπως νέο.

«Η πρόσληψη ταλέντων είναι εξαιρετικά ακριβή», είπε.

Αντί να προσλαμβάνει εξωτερικούς συμβούλους τεχνητής νοημοσύνης, ανέπτυξε μια «ομάδα τίγρης» — μια εξειδικευμένη εσωτερική ομάδα αφιερωμένη στον πειραματισμό με την τεχνητή νοημοσύνη.

«Σκοπεύσαμε να κάνουμε κάτι που θα ονομάζαμε γρήγορη νίκη», είπε ο Μπόιερ. «Ήταν η αναγνώριση ότι δεν είχαμε αυτές τις δεξιότητες, αλλά θα επενδύσουμε για να το κάνουμε … χωρίς να δημιουργήσουμε ένα ολόκληρο τμήμα και να προσλάβουμε πολλούς ανθρώπους. Έτσι, βάλαμε δύο μηχανικούς και τον χρόνο μου και είπαμε, “Μάθε, να χτίσεις αυτές τις σχέσεις και μετά κάνε αυτά τα πειράματα και δες αν μπορούμε να τα παραδώσουμε».

Αποτελέσματα δημιουργικής τεχνητής νοημοσύνης

Το πείραμα τεχνητής νοημοσύνης της Bitsight επικεντρώθηκε στην αυτοματοποίηση μιας διαδικασίας έντασης εργασίας: αξιοποίηση της δημιουργικής τεχνητής νοημοσύνης για την επεξεργασία τεράστιων ποσοτήτων άρθρων κυβερνοασφάλειας που παράγονται καθημερινά σε πολλές γλώσσες. Η ομάδα του Bitsight μπόρεσε να αυτοματοποιήσει τη διαδικασία, διδάσκοντας την τεχνητή νοημοσύνη να διαβάζει, να αναλύει και να εντοπίζει βασικές λεπτομέρειες από άρθρα με ακρίβεια.

Σύμφωνα με τον Μπόιερ, η προσέγγιση της Bitsight απέφερε εντυπωσιακά αποτελέσματα. Τώρα προωθεί αυτή την ικανότητα στον υπόλοιπο οργανισμό ενσωματώνοντας τους ανθρώπους που κάνουν τα πειράματα στις ομάδες που κάνουν την ανάπτυξη και ο Μπόιερ λέει ότι αυτό το πείραμα έκανε την εταιρεία πιο σίγουρη και καλύτερα εξοπλισμένη για να αναπτύξει έναν οδικό χάρτη για μελλοντικές πρωτοβουλίες τεχνητής νοημοσύνης.

Πέρα από τα αποτελέσματα, ο Μπόιερ τόνισε τον ενθουσιασμό που βίωσε η ομάδα του καθώς εμπλεκόταν στον πειραματισμό AI. «Οι μηχανικοί μας έδωσαν ενέργεια από την πρόκληση», είπε.

Τόνισε, ωστόσο, ότι η διακυβέρνηση και η διαχείριση κινδύνων είναι κρίσιμα στοιχεία της στρατηγικής για τη διατήρηση του ελέγχου των δεδομένων και των μοντέλων τεχνητής νοημοσύνης.

Αυτή η προσεκτική προσέγγιση βοήθησε στη διαχείριση κινδύνων όπως οι «παραισθήσεις», όπου η τεχνητή νοημοσύνη παράγει πληροφορίες που φαίνονται σωστές αλλά είναι ανακριβείς.

Όπως και ο Μπόιερ, ο Καρντές επέλεξε να επενδύσει σε πραγματογνωμοσύνη στο εσωτερικό της Alignment Health. Η εταιρεία ασφάλισης υγείας έχει δεσμευτεί να αναπτύξει τις AI δυνατότητές της, ξεκινώντας με την ανάπτυξη μιας αποκλειστικής πλατφόρμας τεχνολογίας δεδομένων, AVA, πριν από μια δεκαετία. Σήμερα, η εταιρεία διαθέτει περισσότερα από 200 μοντέλα τεχνητής νοημοσύνης ενσωματωμένα σε διάφορες εφαρμογές και ροές εργασίας, οδηγώντας σε καινοτομίες στη φροντίδα ηλικιωμένων.

Μια υβριδική προσέγγιση εργασίας

Ενώ η Bitsight και η Alignment Health έχουν την τύχη να έχουν μια ισχυρή εσωτερική τεχνική βάση, δεν έχει κάθε εταιρεία την πολυτέλεια της αναβάθμισης των δεξιοτήτων εκ των έσω.

Σύμφωνα με τον Ράιαν Σάτον, εκτελεστικό διευθυντή τεχνολογικής πρακτικής στην εταιρεία πρόσληψης Robert Half, μια πρόσφατη έρευνα διαπίστωσε ότι το 90% των ηγετών τεχνολογίας σχεδιάζει να εφαρμόσει πρωτοβουλίες AI φέτος, ωστόσο το 41% ​​από αυτούς αναφέρει έλλειψη προσωπικού με δεξιότητες και τεχνογνωσία AI.

Δεδομένου αυτού του τοπίου, ο Σάτον συμβουλεύει τις εταιρείες να υιοθετήσουν μια υβριδική προσέγγιση, μια προσέγγιση που συμπληρώνει το μόνιμο προσωπικό τους.