سود:
- توانایی درک اینکه تحول هوش مصنوعی اغلب به دلایل انسانی و فرهنگی، نه فنی، شکست میخورد و نگرانیهای نهفته در مقاومت را تشخیص میدهد.
- توانایی تسریع پذیرش با داستان قانع کننده «چرا»، رهبری قابل مشاهده و شبکه ای از قهرمانان
- توانایی مدیریت تغییر بهعنوان تداوم، نه اعلام یکباره، با اندازهگیری پذیرش با معیارها و حذف موانع
واقعیت تلخ تحول هوش مصنوعی این است: استراتژی، فناوری و بودجه میتوانند عالی باشند. اما اگر مردم تغییر را نپذیرند، همه چیز بیهوده است. تحقیقات پیوسته نشان میدهد که بیشتر شکستهای ابتکاری هوش مصنوعی فنی نیست، بلکه انسانی و فرهنگی است. در این بخش نهایی، شما خواهید آموخت که چگونه یک مدیر ارشد می تواند مدیریت تغییر (رشته مدیریت سیستماتیک انتقال افراد به روشی جدید از کار) را برای تبدیل تبدیل هوش مصنوعی به پذیرش واقعی (استفاده واقعی و پایدار از یک نوآوری توسط مردم) انجام دهد. هدف نصب فناوری نیست. این است که اطمینان حاصل شود که مردم با خیال راحت، با اراده و به درستی از آن استفاده می کنند.
چرا مردم مقاومت می کنند؟
مقاومت اغلب حماقت یا لجاجت نیست، بلکه نگرانی های قابل درک است: ترس از امنیت شغلی ("آیا هوش مصنوعی شغلم را خواهد گرفت؟")، اضطراب شایستگی ("من نمی توانم این را یاد بگیرم")، عدم اعتماد به نفس ("من نمی توانم به خروجی آن اعتماد کنم") و از دست دادن معنا ("چرا باید تغییر کنیم؟"). نادیده گرفتن این نگرانی ها مقاومت را تشدید می کند. ملاقات آشکار با آنها پذیرش را تسریع می کند.
اضطراب
سوال اساسی
پاسخ مدیر
امنیت شغلی
آیا شغلم را از دست خواهم داد؟
به وضوح توضیح دهید که چگونه نقش غنی می شود
صلاحیت
آیا می توانم این را یاد بگیرم؟
آموزش، پشتیبانی، منطقه تست ایمن
اعتماد
آیا می توانم به خروجی اعتماد کنم؟
آموزش مرزها، اعتبارسنجی
معنی
چرا باید تغییر کنم؟
"چرا" را قانع کننده توضیح دهید
نکته: این تغییر را نه به عنوان «هوش مصنوعی جایگزین انسان میکند»، بلکه بهعنوان «هوش مصنوعی کار افراد را آسانتر میکند، بخش خستهکننده را در اختیار میگیرد و انسانها را به انجام کارهای ارزشمندتر میسپارد» چارچوببندی کنید. این چارچوب از همان حقیقت، کنجکاوی را جایگزین ترس می کند.
مراحل اساسی مدیریت تغییر
ماهیت مدلهای تغییر کلاسیک (مثلاً گامهای کوتر) سازگار با هوش مصنوعی:
- اضطرار و دلیل ایجاد کنید. چرا حالا چرا ما؟ یک داستان متقاعد کننده
- رهبری قابل مشاهده را نشان دهید. مدیریت ارشد باید از خود ابزار استفاده کند. نه با لفاظی بلکه با مثال.
- دستاوردهای اولیه را قابل مشاهده کنید. موفقیت های کوچک اما واقعی را جشن بگیرید و آن را منتشر کنید.
- آموزش دهید و حمایت کنید. صلاحیت و میدان آزمایش ایمن برای همه.
- قهرمان ایجاد کنید قهرمانان داوطلب و مشتاق تغییر را در هر تیم بگنجانید.
- آن را دائمی کنید. رفتار جدید را در فرآیندها، اهداف و فرهنگ جاسازی کنید.
گام به گام: طرح فرزندخواندگی
1. نقشه ذینفعان و نگرانی ها. چه کسانی تحت تأثیر قرار می گیرند، چه نگرانی هایی دارند؟
2. یک "چرا" قانع کننده ارائه دهید. داستان تغییر را در زبان مردم بسازید.
3. رهبری را با مثال نشان دهید. به مدیران اجازه دهید از این ابزار به طور قابل مشاهده استفاده کنند.
4. شبکه ای از آموزش و پرورش و قهرمانان بسازید. توانمندسازی، توانمندسازی پیشگامان داوطلب.
5. اندازه گیری، گوش دادن، تنظیم. میزان پذیرش را اندازه گیری کنید، بازخورد جمع آوری کنید، موانع را حذف کنید.
سه کیف کوچک
مورد 1 - ترس را نادیده گرفت. یک شرکت حسابداری ابزار هوش مصنوعی خود را "برای کارآیی" تبلیغ کرد اما هرگز به ترس کارکنان از امنیت شغلی توجه نکرد. خبر پخش شد، تیم بی سر و صدا ابزار را خراب کرد، پذیرش در 20٪ باقی ماند. مدیریت عقب نشینی کرد و یک جلسه علنی برگزار کرد و توضیح داد که هیچ کس اخراج نخواهد شد و واسطه کار کسل کننده را به عهده می گیرد و همه را به مشاوره سوق می دهد. در 3 ماه، پذیرش به 75٪ افزایش یافت. صحبت از ترس راه حل بود.
مورد 2 - مثال با رهبری. مدیر عامل یک شرکت فناوری هنگام تهیه گزارش هفتگی خود از ابزار هوش مصنوعی به صورت عمومی استفاده کرد و همچنین اشتباهات خود را به اشتراک گذاشت ("ببینید، او اینجا اشتباه کرد، من آن را برطرف کردم"). این رهبری قابل مشاهده این پیام را ارسال کرد که "اگر رئیس از آن استفاده می کند، جدی است" و نشان داد که تأیید طبیعی است. پذیرش به سرعت، بدون هیچ گونه فشاری گسترش یافت.
مورد 3 - قدرت شبکه قهرمان. یک خرده فروش یک داوطلب "قهرمان هوش مصنوعی" را از هر فروشگاه انتخاب کرد. به این افراد آموزش های بیشتری داده شد و وظیفه کمک به همکاران خود به صورت تک به تک به آنها محول شد. یادگیری از دوستی که همان کار را به جای یک تیم آموزشی از راه دور انجام می داد، پذیرش را 3 برابر تسریع کرد. مؤثرترین معلم، همکار مشتاق سر میز همسایه بود.
چهار قالب قابل کپی
1) نقشه ذینفعان و نگرانی:
نقش شما: مشاور مدیریت تغییر. گروه های ذینفعی را که تحت تأثیر این ابتکار هوش مصنوعی قرار گرفته اند فهرست کنید و نگرانی اصلی هر گروه (امنیت شغلی، شایستگی، اعتماد، معنا) را مشخص کنید. برای هر نگرانی یک تبریک بنویسید. ابتکار: [متن]
2) داستان "چرا":
یک داستان قانعکننده «چرا حالا، چرا ما» پیشنویس کنید تا برای کسانی که روی این تغییر هوش مصنوعی کار میکنند بگویید. کنجکاوی را جایگزین ترس کنید؛ تاکید کنید که ابزار کار خسته کننده را به دست می گیرد و انسان را به کارهای ارزشمندتر می سپارد. تغییر: [متن]
3) برنامه قهرمانی:
یک برنامه "قهرمان" طراحی کنید که پذیرش هوش مصنوعی در تیم ها را تسریع کند: قهرمانان چگونه انتخاب می شوند، چه آموزش هایی دریافت می کنند، چه وظیفه ای را انجام می دهند، چگونه انگیزه دارند؟ یک برنامه مختصر و قابل اجرا بنویسید.
4) طرح سنجش پذیرش:
معیارهایی را برای سنجش پذیرش ابزار هوش مصنوعی پیشنهاد کنید: نرخ استفاده فعال، دفعات استفاده، رضایت کاربر، بازخورد مانع. برای هر معیار، نحوه جمعآوری آن را بنویسید و چه آستانهای «سالم» در نظر گرفته میشود.
اعلان ضعیف / اعلان قوی
ضعیف: "چه کاری باید انجام دهم تا مردم از هوش مصنوعی استفاده کنند؟"
نتیجهگیری: توصیههای کلی «آموزش، برقراری ارتباط». نگرانی ها و زمینه ها را نمی بیند.
Strong: "ما در حال استقرار یک ابزار پشتیبانی هوش مصنوعی در مرکز تماس با 150 نفر هستیم. ترس شدیدی از امنیت شغلی در تیم وجود دارد. یک برنامه پذیرش خاص برای این وضعیت ایجاد کنید: چگونه به نگرانی های ذینفعان رسیدگی کنم، داستان "چرا" قانع کننده ای که به کارمندان می گویم باید چگونه باشد، چگونه یک برنامه قهرمان تنظیم کنم، و 90 روز اول را با چه معیارهایی اندازه گیری می کنم.
نتیجه: یک طرح پذیرش عملی با اندازه گیری داستان-قهرمان که مبتنی بر زمینه و نگرانی واقعی است.
اشتباهات رایج
- رد شدن از بعد انسانی تمرکز بر تکنولوژی و نادیده گرفتن ترس ها و نگرانی ها شایع ترین علت شکست است.
- صحبت از ترس نیست. هنگامی که اضطراب در مورد امنیت شغلی سرکوب می شود، به عنوان خرابکاری خاموش برمی گردد. به وضوح به آن بپردازید
- فقدان رهبری با مثال مدیری که می گوید "شما از آن استفاده می کنید" اما خودش از آن استفاده نمی کند پیام او را رد می کند.
- ارتباط فقط از بالا موثرترین آموزش از یک همکار نزدیک (قهرمان) می آید، نه از یک تیم دور.
- عدم سنجش پذیرش نهادی که استفاده یا عدم استفاده از آن را اندازه نمی گیرد، نمی تواند موانع را ببیند.
توجه: مدیریت تغییر یک اعلان یکباره نیست، بلکه فرآیندی است که مستلزم تداوم است. هوش مصنوعی می تواند به شما یک برنامه پذیرش یا متن تماس پیشنهاد دهد. اما گوش دادن به نگرانیهای واقعی مردم، ایجاد اعتماد و الگوبرداری تنها از طریق رهبری انسانی اتفاق میافتد. همچنین، صادق باشید: آمادهسازی افراد برای نقشهای جدید هم اخلاقی و هم پایدارتر است، نه پنهان کردن موقعیتهایی که هوش مصنوعی واقعاً جایگزین برخی از نقشها میشود.
به طور خلاصه
دگرگونیهای هوش مصنوعی اغلب به دلایل انسانی و فرهنگی شکست میخورند، نه دلایل فنی. مقاومت؛ امنیت شغلی از نگرانیهای مربوط به شایستگی، اعتماد و معنا ناشی میشود و با پاسخگویی آشکار به این نگرانیها و نه با نادیده گرفتن آنها حل میشود. مدیریت تغییر موفق یک «چرا» قانعکننده را میگوید، با رهبری مشهود رهبری میکند، پیروزیهای اولیه را جشن میگیرد، همه را آموزش میدهد، شبکهای از قهرمانان ایجاد میکند، و رفتار جدید را در فرهنگ جاسازی میکند. پذیرش باید سنجیده شود، به آن گوش داده شود و موانع برداشته شوند. در طول این ماژول؛ از چشمانداز تا نقشه راه، از اولویتبندی موارد استفاده تا بازگشت سرمایه و ریسک، حاکمیت، اخلاق، انطباق، استعداد و تدارکات، چارچوبی را ایجاد کردهایم که یک مدیر برای مدیریت کامل و مسئولانه تحول هوش مصنوعی به آن نیاز دارد. فناوری ابزار است. استراتژی، حکومت و رهبری مردم چیزی هستند که تفاوت واقعی را ایجاد می کنند.
وظیفه کاربردی
یک ابتکار هوش مصنوعی را انتخاب کنید و نگرانی های ذینفعان آسیب دیده را با الگوی 1 ترسیم کنید. مطمئن شوید که به نگرانی های امنیت شغلی صادقانه رسیدگی کنید. سه مرحله یک برنامه قهرمان و دو معیار را بنویسید که با آن پذیرش را میسنجید. در نهایت، «چگونه از این ابزار بهعنوان یک رهبر بهطور آشکار استفاده کنم؟» پاسخ مشخصی به سوال بدهید.
چک لیست
- [ ] من ذینفعان آسیب دیده و نگرانی های آنها را ترسیم کردم.
- [ ] من به نگرانی امنیت شغلی صادقانه اشاره کردم.
- [ ] من یک داستان قانع کننده "چرا" ساختم.
- [ ] من برنامه ریزی کردم که به عنوان مثال رهبری کنم.
- [ ] من یک شبکه قهرمان طراحی کردم.
- [ ] من معیارهایی را برای اندازه گیری پذیرش شناسایی کردم.
- [ ] من این تغییر را به عنوان یک تداوم برنامه ریزی کردم، نه به عنوان یک اعلامیه یک بار.
امتحان ماژول
1. کدام یک از موارد زیر نقش واقعی یک مدیر ارشد در هوش مصنوعی است؟
- الف) جهت دادن، تخصیص منابع، ترسیم محدودیت ریسک و پذیرش مسئولیت ✔
- ب) انتخاب و کدگذاری معماری و الگوریتم مدل به صورت شخصی
- ج) هوش مصنوعی را به طور کامل به تیم فناوری بسپارید و منتظر نتایج باشید
- د) اجازه دادن به هر بخش برای آزمایش آزادانه ابزار خود.
توضیح: وظیفه مدیر آموزش مدل ها یا نوشتن کد نیست. جهت دهی، تخصیص منابع، ترسیم محدودیت های ریسک و پذیرش مسئولیت پذیری. تیم فنی سؤال «چگونه» را حل می کند، مدیر سؤالات «چرا، کی، تا چه حد و چه کسی مسئول است» را حل می کند. هوش مصنوعی یک پروژه فناوری نیست، بلکه یک موضوع تحول کسب و کار است و مالکیت باید در سمت کسب و کار باشد.
2. ویژگی کلیدی که یک دید هوش مصنوعی خوب را از یک شعار توخالی متمایز می کند چیست؟
- الف) حاوی نام جدیدترین فناوری
- ب) بستگی به نتیجه کسب و کار دارد، قابل اندازه گیری است و افق زمانی دارد ✔
- ج) تا حد امکان قاطع و کلی باشید
- د) مشابه دیدگاه رقبا
توضیح: یک چشم انداز خوب با نتیجه کسب و کار (نه فناوری) گره خورده است، قابل اندازه گیری است و دارای افق زمانی است. "ما در هوش مصنوعی رهبر خواهیم بود" غیرقابل اندازه گیری است و نتایج تجاری را شامل نمی شود. «زمان پاسخ اول را به نصف کاهش میدهیم و هزینه را تا 15 درصد در سه سال کاهش میدهیم» مشخص، اندازهگیری شده و دارای افق زمانی است. وقتی کلمه "هوش مصنوعی" را از چشم انداز حذف می کنید، باید با یک هدف تجاری معنی دار باقی بمانید.
3. چه ابعادی به عنوان پیش نیازهای نامرئی برای اکثر مؤسسات در ارزیابی بلوغ هوش مصنوعی برجسته است و در صورت ضعیف بودن نباید روی آنها سرمایه گذاری کرد؟
- الف) فقط ابعاد بازاریابی و برند
- ب) فقط زیرساخت سخت افزاری و اداری
- ج) داده ها و حاکمیت ✔
- د) تحلیل و قیمت گذاری رقبا
توضیحات: بلوغ در پنج بعد (استراتژی، داده، فناوری، استعداد، حاکمیت) سنجیده می شود. داده ها و حاکمیت اغلب پیش نیازهای نامرئی هستند: ساختن یک مدل گران قیمت زمانی که داده ها نامرتب و با کیفیت پایین هستند مانند خرید یک قفسه در یک انبار خالی است. بدون حکومت، ریسک بی سر و صدا انباشته می شود. به همین دلیل است که شکاف ها به ترتیب وابستگی بسته می شوند و داده ها و حاکمیت به طور کلی اولویت بندی می شوند.
4. رویکرد مناسب برای یک مورد استفاده در منطقه "مقدار بالا + کاربرد کم" ماتریس ارزش/کاربرد چیست؟
- الف) فوراً در مقیاس کامل مستقر شود
- ب) تسلیم شدن کامل به دلیل بی ارزشی
- ج) انجام آن در اوقات فراغت به عنوان کار پرکننده با اولویت پایین
- د) برنامه ریزی به عنوان یک شرط بزرگ و ایجاد پیش نیازهای آن، در عین حال حرکت به جلو با دستاوردهای سریع ✔
توضیحات: این منطقه "شرط بزرگ" نامیده می شود: ارزش بالایی دارد اما به دلیل داده ها، ادغام یا مشکل فنی نمی تواند بلافاصله انجام شود. رویکرد صحیح، برنامه ریزی و ایجاد پیش نیازهای آن (زیرساخت داده، یکپارچه سازی) است. غواصی کورکورانه به معنای ماه ها کار بی ارزش است. در همین حال، با "بردهای سریع" (ارزش بالا + دوام بالا) شتاب ایجاد می شود و این شرط بزرگ تامین مالی می شود.
5. برای اثبات ارزش یک خلبان هوش مصنوعی، مهم ترین کاری که قبل از شروع کار باید انجام داد چیست؟
- الف) معیار موفقیت را تعریف کنید و خط پایه وضعیت فعلی را اندازه گیری کنید
- ب) خرید گرانترین وسیله نقلیه ممکن
- ج) باز کردن پایلوت برای کل موسسه به طور همزمان
- د) گزارش نتایج با پیش بینی پس از اتمام خلبان
توضیح: خط مبنا اندازه گیری وضعیت فعلی قبل از بهبود است. بدون خط مبنا، این ادعا که ما «بهبود» شدهایم قابل اثبات نیست. چقدر بهبود یافته است؟ در تصمیم گیری مقیاس بندی سوال را نمی توان پاسخ داد. بنابراین، قبل از شروع پایلوت، باید معیار موفقیت تعریف شود و وضعیت فعلی با اعداد سنجیده شود. شما نمی توانید ارزشی را که نمی توانید اندازه گیری کنید مدیریت و از آن دفاع کنید.
6. مؤسسات در محاسبه ROI هوش مصنوعی از کدام اقلام هزینه بیشتر غافل می شوند و باعث می شوند فکر کنند که پروژه سودآور است؟
- الف) فقط هزینه های عمومی مانند اجاره دفتر و برق
- ب) هزینه های پنهان مانند یکپارچه سازی، نظارت مستمر انسانی و نگهداری ✔
- ج) فقط بودجه بازاریابی و تبلیغات
- د) هیچ کدام؛ هزینه مجوز تنها هزینه واقعی است
توضیح: مؤسسات معمولاً فقط هزینه مجوز/استفاده را محاسبه می کنند. در حالی که در هوش مصنوعی، هزینه های پنهان عموماً یکپارچه سازی، آماده سازی داده ها، نظارت مداوم انسانی، نگهداری و مدیریت تغییر است و این هزینه ها اغلب بیشتر از صدور مجوز است. هنگامی که این موارد حذف می شوند، پروژه ای که تصور می شود "سودآور" است ممکن است در واقع با زیان کار کند. علاوه بر این، در سمت سود، باید این سوال مطرح شود که آیا زمان صرفهجویی شده واقعاً به ارزش تبدیل میشود یا خیر.
7. «انحراف مدل» در خطرات هوش مصنوعی به چه معناست و چرا به نظارت مداوم نیاز دارد؟
- الف) جابجایی مدل بین سرورهای فیزیکی
- ب) هزینه مجوز مدل در طول زمان افزایش می یابد
- ج) عملکرد مدل به مرور زمان با تغییر جهان کاهش می یابد ✔
- د) خروجی مدل همیشه ثابت می ماند
توضیح: رانش مدل زمانی است که مدل فرسوده می شود و عملکرد آن در سکوت با تغییر جهان کاهش می یابد (محصولات جدید، رفتارهای جدید، الگوهای تقلب جدید). مدلی که یک بار خوب کار می کند، برای همیشه خوب کار نمی کند. به همین دلیل نظارت منظم بر عملکرد ضروری است. به عنوان مثال، یک الگوی تقلب ممکن است در مواجهه با یک الگوی جدید بیصدا تضعیف شود و بدون نظارت، زیان به طور تصاعدی رشد کند.
8. رویکرد صحیح هنگام طراحی فرآیندهای تایید در حکمرانی هوش مصنوعی چیست؟
- الف) هر ابتکار هوش مصنوعی را بدون در نظر گرفتن خطر آن، در معرض همان تایید سنگین قرار دهید
- ب) تایید ردیف بر اساس سطح خطر: کم خطر سریع، ریسک بالا کنترل محکم ✔
- ج) دادن آزادی کامل به تیم ها بدون هیچ گونه پروسه تایید
- د) واگذاری کلیه تاییدیه ها فقط به تیم فناوری
توضیحات: حکمرانی خوب سرعت، امنیت و ثبات را متعادل می کند. اعمال تایید سنگین یکسان برای هر شغل (حتی کم خطر) تیم ها را به استفاده در سایه سوق می دهد. هیچ تاییدیه خطری را جمع نمی کند. رویکرد صحیح تأیید لایه بر اساس سطح ریسک است: کارهای کم خطر باید به سرعت جریان داشته باشد، فقط کارهای پرخطر باید تحت بررسی دقیق قرار گیرند. بنابراین، سرعت و کنترل هر دو حفظ می شود.
9. در مورد رابطه بین اخلاق و رعایت حقوق کدام یک صادق است؟
- الف) اخلاق و رعایت حقوق یکی است; آنچه یکی را ملاقات می کند، دیگری را نیز ملاقات می کند.
- ب) انطباق قانونی خطی بالاتر از اخلاق است
- ج) رعایت قوانین حداقل حداقل است. اخلاق یک خط بالاتر است و هر چیزی که قانونی است ممکن است اخلاقی نباشد ✔
- د) اخلاق فقط زمانی اهمیت دارد که قانون خلأ ایجاد کند
توضیحات: رعایت قوانین حداقل حداقل است. اخلاق خط بالاتری است. ممکن است چیزی قانونی اما غیراخلاقی باشد. به عنوان مثال، یک ویژگی هوش مصنوعی که رفتار کاربر را دستکاری می کند ممکن است ممنوع نباشد، اما غیراخلاقی است. نهادهای مسئول "ممنوع است؟" نه "آیا درست است؟" او می پرسد. اخلاق را نمی توان به آخر رها کرد. باید از ابتدا در طرح تعبیه شود.
10. معیار اصلی برای در نظر گرفتن یک سیستم "پرخطر" در قانون هوش مصنوعی اتحادیه اروپا چیست؟
- الف) این سیستم چقدر گران است
- ب) سیستم چند کاربر دارد
- ج) این سیستم در کدام کشور توسعه یافته است؟
- د) سیستم به طور مستقیم بر حقوق اساسی مردم، امنیت یا فرصت های زندگی تأثیر می گذارد
توضیحات: قانون هوش مصنوعی اتحادیه اروپا یک منطق مبتنی بر ریسک را ایجاد می کند. یک سیستم پرخطر سیستمی است که می تواند به طور مستقیم بر حقوق اساسی افراد، ایمنی یا فرصت های زندگی (شغل، اعتبار، آموزش، سلامت) تأثیر بگذارد. مدیریت ریسک، کیفیت و داده های بی طرفانه، نظارت انسانی، مستندسازی، نگهداری سوابق و شفافیت برای این سیستم ها ضروری است. "آیا این سیستم در تصمیمی دخیل است که بر شغل، پول، سلامت یا آزادی فرد تاثیر می گذارد؟" سوال یک شاخص اولیه خوب است.
11. چرا یکی از خطرناک ترین و مکررترین موارد نقض KVKK برای یک کارمند است که داده های شخصی مشتری را در یک ابزار هوش مصنوعی خارجی در دسترس عموم قرار دهد؟
- الف) فقط به این دلیل که باعث می شود وسیله نقلیه کند حرکت کند
- ب) زیرا اغلب به معنای انتقال غیرمجاز داده به خارج از کشور و پردازش ناخواسته است ✔
- ج) فقط به دلیل پرداخت هزینه وسیله نقلیه
- د) در واقع هیچ خطری ندارد، کاملا بی خطر است.
توضیح: این اقدام اغلب به معنای «انتقال داده به خارج از کشور» (با رعایت قوانین خاص) و «پردازش ناخواسته» (دادهها برای مقاصدی غیر از هدفی که برای آن جمعآوری شده استفاده میشود) است و معمولاً بدون مبنای قانونی معتبر و شفافسازی انجام میشود. از نظر KVKK خطر جدی تخلف و جریمه اداری ایجاد می کند. بنابراین، یک خط مشی استفاده قابل قبول و ابزارهای شرکتی که داده ها را درز نمی کند ضروری است.
12. هدف از نقش "مترجم"، که اغلب نادیده گرفته شده و ارزش قفل کننده در صلاحیت هوش مصنوعی است، چیست؟
- الف) ترجمه فقط اسناد زبان خارجی
- ب) مدیریت سرورها و پایگاه های داده
- ج) فردی باشید که مشکل کسب و کار را به یک راه حل هوش مصنوعی تبدیل می کند و پلی بین تجارت و فناوری ایجاد می کند ✔
- د) آموزش های اولیه وسایل نقلیه را فقط به کارکنان ارائه دهید
توضیحات: مترجم هوش مصنوعی (مترجم هوش مصنوعی) شخصی است که زبان تجاری را به زبان فنی و بالعکس ترجمه می کند و پل "مشکل کسب و کار با کدام راه حل هوش مصنوعی حل می شود" را ایجاد می کند. گران ترین خرابی ها اغلب نه به دلیل کمبود متخصص، بلکه به دلیل کمبود مترجم ایجاد می شود: تیم فنی یک مدل عالی اما برای مشکل اشتباه می سازد. موسسات سرمایه گذاری بیش از حد بر روی کارشناسان و بسیار اندک بر روی مترجمان و سواد انبوه می کنند. با این حال، به طور کلی دو مورد آخر هستند که مقدار را باز می کنند.
13. اصل اساسی در تصمیم گیری "ساخت یا خرید" برای یک استعداد هوش مصنوعی چیست؟
- الف) همیشه خرید کنید، زیرا ارزانتر است
- ب) قابلیت های تمایز هسته را ایجاد کنید، قابلیت های استاندارد را بخرید ✔
- ج) همیشه در درون رشد کنید، زیرا ایمن تر است
- د) انتخاب مورد توصیه شده توسط محبوب ترین تامین کننده
توضیحات: اصل اساسی این است: قابلیت های اصلی را منحصر به سازمان کنید که مزیت رقابتی ایجاد می کند. قابلیت های استاندارد، معمولی و غیر متمایز را بخرید. یک مدل پیشبینی که رقیب شما نمیتواند با دادههای خود بسازد، هسته اصلی آن است. ابزار خلاصه سازی متن استاندارد است. برون سپاری استعدادهای اصلی رقابت را در درازمدت اجاره می دهد و خطر قفل شدن تامین کننده را افزایش می دهد.
14. شایع ترین دلیل شکست تبدیل های هوش مصنوعی و موثرترین رویکرد در برابر آن چیست؟
- الف) دقت مدل ناکافی؛ راه حل خرید مدل بزرگتر است
- ب) کمبود تجهیزات؛ راه حل خرید سرورهای بیشتر است
- ج) هزینه مجوز؛ راه حل این است که یک تامین کننده ارزان تر پیدا کنید
- د) تاب آوری انسانی و فرهنگی؛ راه حل، مدیریت تغییر است که به وضوح نگرانی ها را برطرف می کند
توضیح: بیشتر شکست ها فنی نیست، بلکه انسانی و فرهنگی است: ترس از امنیت شغلی، اضطراب در مورد شایستگی، عدم اعتماد به نفس و از دست دادن معنا. وقتی این اضطراب ها سرکوب می شوند، به صورت خرابکاری خاموش برمی گردند. موثرترین رویکرد این است که به نگرانی ها به طور آشکار پاسخ دهید، توضیح دهید چرایی قانع کننده، با مثال رهبری کنید، و شبکه ای قهرمان از همکاران نزدیک ایجاد کنید. پذیرش باید سنجیده شود و موانع برداشته شوند.