Οι προσδοκίες που έχουν δημιουργηθεί γύρω από την τεχνητή νοημοσύνη (Artificial Intelligence – AI) είναι έντονες.
Ωστόσο, για τις περισσότερες ευρωπαϊκές επιχειρήσεις που έλαβαν μέρος σε πρόσφατη μελέτη της SAS, (που αποτελεί ηγέτιδα εταιρεία στα business analytics), η υιοθέτηση της AI βρίσκεται ακόμα σε πρώιμο στάδιο ή σε στάδιο σχεδιασμού.
Τα καλά νέα είναι ότι η συντριπτική πλειονότητα των οργανισμών έχει αρχίσει να μιλάει για την AI και ορισμένες έχουν ήδη ξεκινήσει να επενδύουν στην εν λόγω τεχνολογία και να υλοποιούν τα πρώτα έργα τους. Γενικότερα, εμφανίζονται αισιόδοξοι σχετικά με τις δυνατότητες της AI, αν και λίγοι είναι εκείνοι που αισθάνονται σίγουροι ότι ο οργανισμός τους είναι έτοιμος να αξιοποιήσει αυτές τις δυνατότητες.
Δεν είναι τόσο η έλλειψη της διαθέσιμης τεχνολογίας που επιβραδύνει την υιοθέτηση του AI. Οι περισσότεροι που έλαβαν μέρος στην έρευνα βεβαιώνουν ότι υπάρχουν πολλές επιλογές. Οι προκλήσεις προέρχονται κυρίως από την έλλειψη ανθρώπων με γνώση και δεξιότητες στην επιστήμη των δεδομένων (data science) ώστε να μεγιστοποιούν την αξία από την αναδυόμενη τεχνολογία ΑΙ και να υπερβαίνουν τα οργανωτικά και κοινωνικά εμπόδια που παρουσιάζονται κατά τη διαδικασία της υιοθέτησής της.
Αυτά είναι ορισμένα από τα ενδιαφέροντα ευρήματα της μελέτης Enterprise AI Promise Study, μίας τηλεφωνικής έρευνας στελεχών από 100 οργανισμούς σε όλη την Ευρώπη που δραστηριοποιούνται σε κλάδους όπως ο τραπεζικός, ο ασφαλιστικός, ο κατασκευαστικός, της λιανικής, κ.α. Η μελέτη της SAS διεξήχθη τον περασμένο Αύγουστο προκειμένου να μετρήσει και να αξιολογήσει τον τρόπο με τον οποίο οι ηγέτες των επιχειρήσεων αντιλαμβάνονται τη δυναμική της AI, πώς την αξιοποιούν σήμερα και πως σχεδιάζουν να την αξιοποιήσουν στο μέλλον, καθώς και ποιες προκλήσεις αντιμετωπίζουν.
Κοινωνικές προκλήσεις
Το 55% των ερωτηθέντων θεωρούν ότι η μεγαλύτερη πρόκληση είναι ο μεταβαλλόμενος χώρος των ανθρωπίνων θέσεων εργασίας υπό το οπτικό πρίσμα της αυτοματοποίησης και της αυτονομίας της AI. Αυτή η δυνητική επίδραση της ΑΙ περιλαμβάνει από τη μία πλευρά απώλειες θέσεων εργασίας, αλλά από την άλλη απαιτεί τη δημιουργία νέων θέσεων εργασίας με την ταυτόχρονη ανάπτυξη δεξιοτήτων που σχετίζονται με την Τεχνητή Νοημοσύνη.
Τα ηθικά ζητήματα αναφέρθηκαν ως η δεύτερη μεγαλύτερη πρόκληση, με το 41% των ερωτηθέντων να θέτουν ερωτήματα σχετικά με το εάν τα ρομπότ και τα συστήματα AI θα πρέπει να λειτουργούν “για το καλό της ανθρωπότητας” και όχι μόνο για το όφελος μίας επιχείρησης και πώς να διαχειρίζονται εκείνους που χάνουν την εργασία τους από τις εφαρμογές της νέας τεχνολογίας.
Ομάδα επιστήμης δεδομένων και οργανωτική ετοιμότητα
Είναι οι data scientists των επιχειρήσεων έτοιμοι να αντεπεξέλθουν στην πρόκληση της αναδυόμενης AI; Μόλις το 20% πιστεύει ότι οι ομάδες των data scientists είναι πραγματικά έτοιμες, ενώ το 19% δεν διαθέτει τέτοιου είδους ομάδες.
Η πρόσληψη επιστημόνων δεδομένων για την οικοδόμηση οργανωτικών δεξιοτήτων είναι στα επόμενα σχέδια του 28% των ερωτηθέντων, ενώ το 32% δηλώνει ότι θα δημιουργούσε δεξιότητες AI στις υπάρχουσες ομάδες αναλυτών τους μέσω κατάρτισης, διασκέψεων και workshops.
Επιπρόσθετα, το ζήτημα της εμπιστοσύνης προέκυψε ως μια ιδιαίτερα πολύπλοκη πρόκληση σε πολλούς οργανισμούς. Σχεδόν οι μισοί από τους ερωτηθέντες (49%) έκαναν λόγο για πολιτιστικές προκλήσεις λόγω έλλειψης εμπιστοσύνης τόσο στην τεχνολογία ΑΙ, όσο και στα αποτελέσματα των λεγόμενων λύσεων “μαύρου κουτιού”.
Ετοιμότητα πλατφόρμας
Η μελέτη επεδίωξε επίσης να εκτιμήσει την ετοιμότητα της AI όσον αφορά στην απαιτούμενη υποδομή. Υπήρξε μια αντίθεση μεταξύ των ερωτηθέντων που αισθάνονται ότι έχουν την κατάλληλη υποδομή (24%) και εκείνων που πιστεύουν πως πρέπει να ενημερώσουν και να προσαρμόσουν την τρέχουσα πλατφόρμα τους (24%) ή δεν διαθέτουν καμία απολύτως υποδομή (29 τοις εκατό).
“Έχουμε διαπιστώσει απίστευτες εξελίξεις στο να κάνουμε τους αλγόριθμους να αποδίδουν – με εκπληκτική ακρίβεια – τα καθήκοντα που μπορεί να εκτελεί ένας άνθρωπος”, δήλωσε ο Oliver Schabenberger, εκτελεστικός αντιπρόεδρος και Διευθυντής Τεχνολογίας στη SAS. “Είναι αξιοσημείωτο ότι ένας αλγόριθμος νίκησε τον καλύτερο παίκτη Go στον κόσμο. Σκεφτήκαμε ότι το παιχνίδι του Go δεν μπορούσε να μηχανογραφηθεί – από τον άνθρωπο.
Αλλά τώρα ένα μηχάνημα το έκανε για μας. Μόλις το σύστημα έμαθε τους κανόνες, κατόρθωσε να παίζει καλύτερα από οποιονδήποτε άνθρωπο. Έχουμε τη δυνατότητα να αξιοποιήσουμε αυτή τη γνώση για την κατασκευή συστημάτων που επιλύουν επιχειρηματικά προβλήματα. Μπορούμε να δημιουργήσουμε συστήματα που μαθαίνουν τους επιχειρηματικούς κανόνες, στη συνέχεια μαθαίνουν πως να εργάζονται πάνω σε αυτούς τους κανόνες και πως να βελτιώνονται διαρκώς. Αυτό ακριβώς επεξεργάζεται η SAS τη δεδομένη χρονική στιγμή.”.
