حریم خصوصی داده ها، احراز هویت، اخلاقیات و حاکمیت

سود:

• امکان محافظت از داده ها در چهار لایه (طبقه بندی، ناشناس سازی، انتخاب وسیله نقلیه، حداقل داده ها) و انجام مسئولیت KVKK
• امکان تأیید خروجی ها با توجه به سطح ریسک و فیلتر کردن توصیه هایی که از طریق انصاف و تعصب بر افراد تأثیر می گذارد
• توانایی ایجاد یک چارچوب ساده حاکمیت هوش مصنوعی و اطمینان از اینکه خروجی هوش مصنوعی جایگزین تاییدیه متخصص در تصمیمات مالی/حقوقی/HR/انطباق نمی شود.

به عنوان یک مدیر، شما یاد گرفته اید که از هوش مصنوعی در هر گوشه ای از تجارت خود استفاده کنید: گزارش، KPI، اتوماسیون، عملیات، تدارکات، ارتباطات، خلاصه، سناریو. اکنون در حال ایجاد چارچوبی برای استفاده مسئولانه از این قدرت هستیم. زیرا هنگامی که هوش مصنوعی به طور نادرست استفاده می شود، سرعت و راحتی به خطرات جدی تبدیل می شود: لیست مشتریان لو رفته، تصمیمی بر اساس شماره ساخته شده، پیشنهاد تبعیض آمیز، نقض KVKK. این واحد شبکه ایمنی است که کل ماژول را در کنار هم نگه می دارد. اصل اصلی در یک جمله: هوش مصنوعی یک دستیار است. محرمانه بودن داده ها، صحت خروجی و اخلاقی بودن تصمیم همیشه بر عهده مدیر است.

حریم خصوصی داده ها: چهار لایه حفاظتی

داده های کسب و کار ارزشمند هستند و بسیاری از آنها محرمانه هستند. محافظت از حریم خصوصی در چهار لایه لایه اول - طبقه بندی: هر قطعه از داده ها را به عنوان "عمومی / استفاده داخلی / محرمانه / شخصی" برچسب گذاری کنید. اطلاعات محرمانه و شخصی نیاز به توجه ویژه دارد. لایه دوم - ناشناس سازی: شناسه هایی مانند نام، شناسه، نام مشتری، قیمت تامین کننده را قبل از دادن به هوش مصنوعی به کدها ترجمه کنید (کارمند A، مشتری 1). لایه سوم – انتخاب ابزار: در صورت امکان، از ابزارهای AI شرکتی تایید شده توسط شرکت استفاده کنید که داده ها را برای آموزش مدل ذخیره نمی کنند. داده های محرمانه را در اختیار ابزارهای رایگان در دسترس عموم قرار ندهید. لایه چهارم - حداقل داده: حداقل داده های مورد نیاز برای انجام کار را ارائه دهید، نه بیشتر.

KVKK (قانون حفاظت از داده های شخصی) پردازش شما از داده های شخصی کارمندان و مشتریان را تنظیم می کند. نقض هم مجازات قانونی و هم از بین رفتن شهرت به همراه دارد. چسباندن لیست مشتری یا حقوق و دستمزد در یک جعبه چت باز مانند گذاشتن یک فایل قفل شده در خیابان است.

احتیاط: "این ابزار ایمن به نظر می رسد" یک اطمینان نیست. قبل از دادن هرگونه داده به هوش مصنوعی، بپرسید: "اگر این اطلاعات به بیرون درز کند چه ضرری برای شرکت خواهد داشت؟" اگر آسیب جدی است، داده ها را ناشناس کنید یا اصلاً منتشر نکنید. اگر شک دارید، ندهید.

اعتبارسنجی: خروجی بدون امضا یک تصمیم نیست

نظم و انضباط تکرار شده در سراسر ماژول در اینجا زیر یک سقف جمع شده است. هر خروجی هوش مصنوعی را در سه مرحله تأیید کنید: منبع (آیا عدد از داده‌هایی است که ارائه کردم؟)، محاسبه مجدد (حساب را بررسی کنید)، فیلتر مدیریتی (آیا با دانش و رشته من مطابقت دارد؟). هوش مصنوعی می تواند توهم ایجاد کند - اعداد، منابع یا حقایق غیر موجود را با زبان متقاعدکننده اختراع کند. روانی دقت نیست. هر چه تصمیم مهم تر باشد، تأیید باید دقیق تر باشد.

ریسک را در سه سطح در نظر بگیرید. موارد قابل تحویل کم خطر (طرح کلی داخلی، قالب بندی، خلاصه): یک نگاه سریع کافی است. قابل تحویل با ریسک متوسط ​​(گزارش به مدیریت، نظر KPI): هر عدد اعتبار سنجی می شود. محصولات قابل تحویل پرخطر (تصمیم مالی، قرارداد، سند انطباق، معامله منابع انسانی): هوش مصنوعی فقط پیش نویس ها را تولید می کند. بررسی کارشناسی صالح، کنترل حقوقی/مالی و امضاء الزامی است. در این زمینه‌ها، خروجی هوش مصنوعی هرگز نمی‌تواند جایگزین تاییدیه متخصص صالح شود.

اخلاق و تعصب: سریع اما منصفانه

هوش مصنوعی از داده های تاریخی یاد می گیرد. اگر سوگیری گذشته وجود داشته باشد، هوش مصنوعی آن را تکرار یا حتی تقویت می کند. یک توصیه استخدام، ارتقاء یا اولویت بندی مشتری ممکن است ناخواسته به ضرر یک گروه باشد. بنابراین هر پیشنهاد هوش مصنوعی که انسان را تحت تأثیر قرار می دهد از فیلتر انصاف قرار دهید: "آیا این پیشنهاد به طور غیرمنصفانه گروهی را حذف می کند؟ آیا توجیه قابل دفاع است؟" صراحتاً از هوش مصنوعی بپرسید "چه گروه هایی ممکن است با این پیشنهاد آسیب ببینند؟" بپرسید

دو اصل اخلاقی دیگر: شفافیت - خروجی قابل توجه تولید شده توسط هوش مصنوعی را پنهان نکنید. شما باید بتوانید توضیح دهید که چگونه تصمیم گرفته شده است. پاسخگویی - "هوش مصنوعی چنین گفته است" بهانه ای نیست. مسئولیت با مدیری است که از ابزار استفاده می کند. وقتی هوش مصنوعی مرتکب اشتباه می شود، شما مسئول آن هستید. بنابراین از او به عنوان یک دستیار نظارت شده استفاده کنید، نه یک مرجع کور.

حکمرانی هوش مصنوعی: یک چارچوب نهادی

حسن نیت فردی کافی نیست. یک چارچوب ساده مدیریت هوش مصنوعی برای کسب و کار ایجاد کنید: چه داده هایی را می توان به کدام ابزار داد، کدام تصمیمات را می توان توسط هوش مصنوعی پشتیبانی کرد، که فقط متعلق به متخصص است، چگونه خروجی ها اعتبار سنجی می شوند، چه کسی مسئول است. یک خط مشی مکتوب و ساده از کل تیم محافظت می کند و از بروز فاجعه در واحد بعدی جلوگیری می کند.

سه کیف کوچک

مورد 1 - بازگشت از آستانه نشتی. یک مدیر فروش فهرستی با نام‌های واقعی مشتریان و گردش مالی را در یک ابزار هوش مصنوعی رایگان قرار می‌دهد. در یک لحظه تردید، او پرسید: "اگر این درز کند چه اتفاقی می افتد؟" او پرسید، نام مشتریان را کدگذاری کرد و گردش مالی را به نوار تبدیل کرد. تجزیه و تحلیل با همان کیفیت بیرون آمد. هیچ داده واقعی منتشر نشد یک عادت کوچک از خطر بزرگ KVKK جلوگیری کرد.

مورد 2 - هزینه شماره ساخته شده. یک مدیر ارشد مالی رقم «میانگین صنعت 23 درصد» را که YZ ارائه کرده بود بدون تأیید آن به هیئت مدیره ارائه کرد. شماره ساخته شد. هوش مصنوعی به طور قانع کننده ای عددی را تولید کرده بود که منبعی نداشت. یک بحث سرمایه گذاری بر اساس رقم اشتباه شکل گرفت و زمان بر شد تا معکوس شود. درس: هر شماره ای که ادعا می کند از خارج آمده است را نمی توان بدون اتصال آن به منبع واقعی استفاده کرد.

مورد 3 - گرفتن توصیه مغرضانه. یک مدیر منابع انسانی از هوش مصنوعی خواست تا نامزدها را رتبه بندی کند. هوش مصنوعی فارغ التحصیلان یک مدرسه خاص را بر اساس داده های تاریخی برجسته می کند. مدیر می پرسد "این پیشنهاد چه گروه هایی را حذف می کند؟" او پرسید؛ او دریافت که هوش مصنوعی تعصب گذشته را تکرار می کند. وی رتبه بندی را صرفاً بر اساس معیارهای شغلی و قابل دفاع انجام داد و تصمیم گیری نهایی را به کمیته مردمی واگذار کرد.

چهار قالب قابل کپی

1) غربالگری حریم خصوصی داده ها:

نقش شما: مشاور حفظ حریم خصوصی داده ها من یک لحظه به شما یک مجموعه داده می دهم. ابتدا فیلدهای شخصی/محرمانه (نام، شناسه، مشتری، قیمت، حقوق و دستمزد) را فهرست کنید و نحوه ناشناس کردن هر یک از آنها را پیشنهاد دهید. به طور خلاصه خطرات ارائه این داده ها به هوش مصنوعی را از نظر KVKK یادداشت کنید. هنوز تحلیل نکنید.

2) چک لیست تأیید:

من باید خروجی هوش مصنوعی زیر را قبل از ارائه آن به مدیریت تأیید کنم. هر ادعای عددی و ادعای منبع خارجی را در خروجی فهرست کنید. برای هر کدام، بپرسید "منبع داده هایی است که ارائه کردم یا اطلاعاتی است که هوش مصنوعی ممکن است خودش تولید/ساخته باشد؟" Collect those with unknown sources under the 'VERIFY' heading.

3) فیلتر اخلاق/عدالت:

پیشنهاد هوش مصنوعی زیر افراد را تحت تأثیر قرار می دهد: [پیشنهاد]. این پیشنهاد ممکن است به طور ناعادلانه به ضرر کدام گروه ها باشد؟ آیا این توصیه می تواند با داده های تاریخی مغرضانه باشد؟ چه چیزی را باید تغییر دهم تا تصمیم را صرفاً بر اساس معیارهای قابل دفاع مرتبط با تجارت قرار دهم؟ صادق باشید، از پیشنهاد دفاع نکنید.

4) طبقه بندی ریسک استفاده از هوش مصنوعی:

من کار زیر را با هوش مصنوعی انجام خواهم داد: [وظیفه]. آن را در سطح ریسک قرار دهید: کم (پیش نویس داخلی)، متوسط ​​(خروجی به مدیریت)، زیاد (پیامد مالی/حقوقی/HR). به من بگویید چه مراحل تأیید و تأیید بر اساس سطح خطر مورد نیاز است. اگر ریسک بالایی دارد، یادآوری کنید که تایید کارشناس الزامی است.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

با این داده های مشتری به من تجزیه و تحلیل بدهید. [داده های با نام واقعی]

داده های شخصی واقعی را به ابزار باز ارائه می دهد. خطر نقض KVKK و نشت را به همراه دارد. همچنین هیچ برنامه ای برای تایید خروجی وجود ندارد.

اعلان قدرتمند:

نقش شما: تحلیلگر در داده هایی که به شما دادم، همه اسامی کد شده (مشتری 1-50) و مبالغ به نوار تبدیل شده است. تجزیه و تحلیل بخش را با این داده های ناشناس انجام دهید. فقط از اعدادی که من دادم استفاده کنید، اعداد بخش خارجی را اضافه نکنید. اگر آن را اضافه کردید، لطفاً منبع را به وضوح ذکر کنید تا بتوانم آن را تأیید کنم.

اندازه

رویکرد ضعیف

رویکرد قوی

داده ها

نام واقعی

ناشناس

خطر KVKK

بالا

پایین

کنترل منبع

هیچ کدام

اجباری

قابلیت تأیید

پایین

بالا

مسئولیت

نامشخص

روشن شد

اشتباهات رایج

• دادن اطلاعات محرمانه/شخصی واقعی به ابزار باز. ابتدا طبقه بندی و ناشناس کنید.
• عدم تأیید ادعاهای منبع خارجی. هوش مصنوعی می تواند اعدادی مانند «میانگین صنعت» را ایجاد کند. اتصال به منبع
• نادیده گرفتن تعصب پیشنهادهایی که مردم را تحت تأثیر قرار می دهد از فیلتر انصاف قرار دهید.
• بهانه "هوش مصنوعی گفته است". مسئولیت بر عهده کاربر است. مسئولیت پذیری را فرض کنید
• نادیده گرفتن تایید کارشناس در مورد تصمیم پرخطر. خروجی مالی/حقوقی/HR/انطباق نیاز به تایید متخصص دارد.

احتیاط: مهم‌ترین جمله این ماژول: خروجی هوش مصنوعی در زمینه‌های متعاقب مانند انطباق، امور مالی، حقوقی و منابع انسانی جایگزین تاییدیه کارشناسان صالح نیست. هوش مصنوعی سرعت شما را افزایش می دهد، متخصص شما را اخراج نمی کند. یک خروجی AI تایید نشده به اندازه یک تصمیم بدون امضا خطرناک است.

به طور خلاصه

استفاده مسئولانه از هوش مصنوعی بر سه پایه استوار است: حریم خصوصی، احراز هویت و اخلاق. از داده ها در چهار لایه (طبقه بندی، ناشناس سازی، انتخاب ابزار، حداقل داده ها) محافظت کنید و مسئولیت KVKK را به خاطر بسپارید. اعتبارسنجی هر خروجی با پیوند منبع، محاسبه مجدد و فیلتر اداری. دقت را بر اساس سطح ریسک افزایش دهید. پیشنهادهایی را که بر مردم تأثیر می گذارد از فیلتر انصاف عبور دهید و شفافیت و پاسخگویی را حفظ کنید. یک چارچوب ساده مدیریت هوش مصنوعی از کل تیم محافظت می کند. و همیشه: در زمینه‌های پرخطر و پیامد، هوش مصنوعی جایگزین تأییدیه متخصص شایسته نیست.

وظیفه کاربردی

پیش نویس نیم صفحه ای از «دستورالعمل های استفاده از هوش مصنوعی» را برای کسب و کار خود بنویسید. شامل: چه داده‌هایی را می‌توان به کدام ابزار داد، چگونه داده‌ها ناشناس می‌شوند، کدام خروجی‌ها باید اعتبارسنجی شوند، کدام تصمیم‌ها صرفاً متعلق به متخصص است و چه کسی مسئول است. با استفاده از الگوی "طبقه بندی ریسک استفاده از هوش مصنوعی" در بالا، 5 کار را که در هفته گذشته با هوش مصنوعی انجام داده اید را در سطح ریسک قرار دهید و مرحله راستی آزمایی صحیح را برای هر کدام بنویسید.

چک لیست

• [ ] آیا داده ها را طبقه بندی و ناشناس کرده ام؟
• [ ] آیا از ابزار تایید شده/ایمن شرکت و حداقل داده استفاده کردم؟
• [ ] آیا من هر خروجی را در برابر سطح ریسک اعتبارسنجی کرده ام؟
• [ ] آیا پیشنهادهایی را که بر مردم تأثیر می گذارد از طریق انصاف فیلتر کرده ام؟
• [ ] آیا برای تصمیم گیری های پرخطر به تایید متخصص نیاز دارم؟

امتحان ماژول

1. یک مدیر برای تعیین لایه کار (مکانیکی / تحلیلی / تصمیم گیری) و دقت تأیید قبل از برون سپاری یک کار به هوش مصنوعی چه سؤالی باید بپرسد؟

• الف) اگر این خروجی اشتباه باشد چه نتیجه ای حاصل خواهد شد؟ ✔
• ب) آیا هوش مصنوعی می تواند این کار را در سریع ترین زمان ممکن به پایان برساند؟
• ج) آیا این ابزار رایگان است؟
• د) آیا قبلاً این کار انجام شده است؟

توضیحات: اساس استفاده صحیح، طبقه بندی شغل بر اساس میزان ریسک است. "اگر این خروجی نادرست باشد، نتیجه چه خواهد بود؟" این سؤال تعیین می کند که آیا کار مکانیکی، تحلیلی یا یک تصمیم مسئولانه است و بنابراین چقدر تأیید لازم است.

2. رقم «میانگین صنعت 23 درصد» که توسط هوش مصنوعی داده شده است بدون تأیید به هیئت مدیره ارائه می شود و معلوم می شود که این رقم ساختگی است. چه نظم اساسی در این مورد نادیده گرفته شد؟

• الف) قانون استفاده از هوش مصنوعی فقط در ساعات صبح
• ب) نظم و انضباط تایید خروجی با اتصال آن به منبع ✔
• ج) تبدیل گزارش به جدول رنگی
• د) نوشتن یک درخواست طولانی تر

توضيح: هوش مصنوعي گاه به زباني قانع كننده عددي ناموجود توليد مي كند (توهم). مرحله اتصال خروجی به منبع بررسی می کند که آیا هر عدد از یک منبع واقعی می آید یا ممکن است ساخته شده باشد. وقتی این مورد حذف شود، خطر تصمیم گیری اشتباه وجود دارد.

3. در حالی که کل گردش مالی در یک شرکت تجارت الکترونیک ثابت به نظر می رسد، تفکیک بخش نشان می دهد که یک دسته با سود بالا 22 درصد کاهش یافته است و فروش کم سود این را پنهان می کند. این مثال چه اصل را نشان می دهد؟

• الف) عدد کل همیشه قابل اعتمادترین شاخص است
• ب) سودآوری مهم نیست، فقط گردش مالی مهم است
• ج) اعداد کل می توانند معکوس ها را پنهان کنند. تفکیک بخش حقیقت را آشکار می کند ✔
• د) تجزیه و تحلیل بخش فقط برای شرکت های بزرگ معتبر است

توضیح: اعداد کل می توانند معکوس های داخلی را پنهان کنند. نگاه کردن به تجزیه (تحلیل بخش) به جای کل در کار پشتیبانی تصمیم، حقیقت را آشکار می کند. تغییرات بزرگ ممکن است زیر یک کل ثابت پنهان شوند.

4. یکی از مدیران کافه این یافته را که «فروش آخر هفته با دما تغییر می‌کند» اینطور تفسیر می‌کند که «هوای گرم فروش را افزایش می‌دهد» و تهویه هوا را کم می‌کند. با این حال، دلیل واقعی افزایش ترافیک مشتریان در آخر هفته بود. این خطا چیست؟

• الف) همبستگی اشتباه برای علیت ✔
• ب) عدم جمع آوری داده های کافی
• ج) انتخاب نوع نمودار اشتباه
• د) ناشناس نکردن داده ها

توضیح: صرف اینکه دو چیز با هم عمل می کنند (همبستگی) به این معنی نیست که یکی باعث دیگری می شود (علت). دما و فروش به طور تصادفی در یک جهت حرکت کردند. دلیل رایج ترافیک آخر هفته بود. روابط یافت شده توسط هوش مصنوعی شواهدی نیستند، بلکه فرضیه هایی هستند که باید آزمایش شوند.

5. در رأس ساختار هرمی یک گزارش مدیریت خوب چیست؟

• الف) جداول داده های خام
• ب) خلاصه اجرایی ✔
• ج) مدارک و پاورقی های تکمیلی
• د) تمام ارقام مربوط به سالهای گذشته

توضیح: یک گزارش خوب یک هرم است: در بالا، خلاصه اجرایی (3-5 نقطه گلوله) طراحی شده برای شلوغ ترین خواننده برای درک در 30 ثانیه. یافته های انتقادی زیر؛ در پایین جزئیات پشتیبانی وجود دارد. بنابراین، مدیر ارشد فقط بالا را می خواند و هر کسی که کنجکاو باشد پایین می آید.

6. هنگامی که یک مرکز تماس "تعداد تماس های پاسخ داده شده در روز" را KPI می کند، نمایندگان با عجله تماس ها را انجام می دهند و رضایت مشتری را کاهش می دهند. این وضعیت چه اصل را نشان می دهد؟

• الف) هر چه KPI بیشتر باشد، مدیریت بهتر است
• ب) نمی توان از KPI در مراکز تماس استفاده کرد
• ج) سرعت همیشه مقدم بر کیفیت است
• د) یک KPI که می تواند دستکاری شود ممکن است رفتار نامطلوب را به جای نتیجه ای که برای اندازه گیری آن در نظر گرفته شده تشویق کند.

توضیح: وقتی یک شاخص به هدف تبدیل می شود، مردم راه هایی برای فریب آن پیدا می کنند (قانون گودارت). "تعداد تماس" به راحتی قابل دستکاری است و نتیجه واقعی (قطعیت، رضایت) را اندازه گیری نمی کند. بنابراین قبل از انتخاب یک KPI باید بپرسید که "چه رفتار نامطلوبی را تشویق می کند؟" باید پرسیده شود.

7. دلیل قاعده "اول فرآیند را ساده کنید، بعداً خودکار کنید" در اتوماسیون فرآیند چیست؟

• الف) اتوماسیون همچنین شکست را در یک فرآیند شکسته تسریع می کند. ابتدا باید فرآیند اصلاح شود ✔
• ب) ساده سازی، اتوماسیون را غیرممکن می کند
• ج) ساده سازی تنها یک تکلیف قانونی است
• د) اتوماسیون همیشه ارزان تر از ساده سازی است

توضیحات: اتوماسیون سرعت فرآیند را افزایش می دهد. همچنین در صورت خراب بودن فرآیند، خطا را تسریع می کند. هنگامی که فرآیند 5 مرحله غیر ضروری در یک واحد حسابداری خودکار شد، مراحل غیر ضروری سریعتر کار می کردند. ابتدا فرآیند باید ساده شود، سپس تسریع شود.

8. هدف از طراحی «انسان در حلقه» در پاسخ‌های خودکار به مشتری چیست؟

• الف) توقف کامل اتوماسیون
• ب) افزایش اختیار تصمیم گیری هوش مصنوعی
• ج) جلوگیری از فرار خطا با تایید انسان در نقطه بحرانی با حفظ بیشتر سرعت✔
• د) حذف کامل نیروی انسانی

توضیح: طراحی Human-in-the-Loop یک تایید انسانی در نقطه حساس فرآیند خودکار است. هوش مصنوعی پیش نویس را تولید می کند، انسان به سرعت آن را تأیید می کند، سپس ارسال می شود. این مانع از خروج مستقیم یک باگ می شود و در عین حال بیشترین سرعت را حفظ می کند. وقتی تیمی این تأییدیه را حذف کرد، اطلاعات نادرستی به دست مشتری رسید.

9. تولید در کارگاه مبلمان کند است. مدیر می خواهد گران ترین دستگاه (برش) را جایگزین کند، اما تجزیه و تحلیل نشان می دهد که گلوگاه مرحله رنگرزی-خشک کردن است. اصل اساسی تحلیل عملیات چیست؟

• الف) گرانترین مرحله همیشه باید بهبود یابد
• ب) بهبود باید در گلوگاهی باشد که کل جریان را کند می کند ✔
• ج) همه مراحل باید به یک اندازه تسریع شوند
• د) مفهوم گلوگاه فقط در خطوط تولید معتبر است

توضیح: سرعت یک فرآیند، سرعت کندترین مرحله آن (گلوگاه) است. شتاب گرفتن گام‌های خارج از گلوگاه، هدر دادن پول و تلاش است. تنها چیزی که کار می کند این است که گلوگاه را گسترده کنید. هنگامی که مدیر به جای کشتار، در کوره خشک کن دوم سرمایه گذاری کرد، سرعت 28 درصد افزایش یافت.

10. در خرید، یک مدیر به ارزان‌ترین تامین‌کننده مواد خام روی می‌آورد اما قابلیت اطمینان ضعیف تحویل تامین‌کننده را نادیده می‌گیرد. دو تاخیر عمده تولید را متوقف می کند. درسی از این وضعیت چیست؟

• الف) همیشه باید گران ترین تامین کننده انتخاب شود
• ب) قابلیت اطمینان تحویل نامربوط است
• ج) تامین کننده را نباید در یک بعد (فقط قیمت) ارزیابی کرد، بلکه در چند بعد از جمله قابلیت اطمینان و ریسک ارزیابی کرد.
• د) تصمیم گیری های تامین کننده باید صرفا به هوش مصنوعی سپرده شود

توضیحات: انتخاب تامین کننده چند بعدی است: قیمت، کیفیت، زمان تحویل، قابلیت اطمینان، سلامت مالی و ریسک باید با هم ارزیابی شوند. فقط نگاه کردن به قیمت می تواند منجر به ضرر چند برابر بیشتر از تخفیف کسب شده شود. تولید از دست رفته تخفیف را از بین برد.

11. بهترین کاری که یک مدیر قبل از ارسال یک ایمیل عصبانی و خشن به تیمی که دائماً دیر می کند چیست؟

• الف) ارسال پیام همانگونه که هست، زیرا احساسات واقعی هستند
• ب) راه حل محور کردن تن با هوش مصنوعی و سپس عبور دادن آن از فیلتر انسانی ✔
• ج) عدم ارسال پیام و نادیده گرفتن مشکل
• د) قویتر کردن پیام

توضیح: پیام هایی که در هنگام عصبانیت نوشته می شوند نباید فورا ارسال شوند. گفتن به هوش مصنوعی "لحن را به لحنی محترمانه و راه حل گرا تغییر دهید و همان انتظارات و مرزها را حفظ کنید" ماهیت پیام را حفظ می کند، لحن آن را تصحیح می کند و از رنجش های سخت جلوگیری می کند. سپس خروجی توسط انسان فیلتر می شود.

12. خلاصه جلسه می گوید هوش مصنوعی «افزایش بودجه تصویب شد». اما در این جلسه گفته شد که «افزایش بودجه مورد ارزیابی قرار خواهد گرفت». راه درست برای جلوگیری از این خطر چیست؟

• A) Distribute the summary immediately without reading it
• ب) بررسی خلاصه، جدا کردن تصمیم از احتمال و تایید آن توسط شرکت کنندگان ✔
• ج) به هیچ وجه جمع بندی جلسه را انجام ندادن
• د) در نظر گرفتن تنها طولانی ترین حکم به عنوان تصمیم

توضیحات: هوش مصنوعی ممکن است تصمیمات را نادرست نسبت دهد. تفاوت بین «ارزیابی شدن» و «تأیید» بسیار مهم است. خلاصه جلسه اغلب «حافظه رسمی» است، بنابراین هر خلاصه باید قبل از توزیع خوانده شود، از تصمیم جدا شود و با شرکت کنندگان تأیید شود.

13. در برنامه ریزی سناریو، هدف از ایجاد حداقل سه سناریو (خوشبینانه، اساسی، بدبینانه) به جای گره زدن آینده به یک پیش بینی واحد (مثلاً 'ما 15 درصد رشد خواهیم کرد') چیست؟

• الف) هوش مصنوعی می تواند آینده را به طور دقیق پیش بینی کند
• ب) مهم نیست حقیقت به کدام سمت می رود، غافل نشوید و به جای وحشت، نقشه را عملی کنید.
• ج) داده های کمتری جمع آوری کنید
• د) انتخاب یک آینده صحیح از قبل

توضیح: واقعیت یک فاصله است; اگر طرح مبتنی بر یک حدس محقق نشود، فرو می ریزد. آماده‌سازی پاسخ‌ها به سناریوهای متعدد از قبل تضمین می‌کند که می‌توان یک برنامه را به جای وحشت، بدون توجه به هر سمتی که واقعیت حرکت می‌کند، اجرا کرد. هدف این نیست که آینده را بدانیم، بلکه غافلگیر نشویم.

14. کدام یک از موارد زیر در مورد استفاده از هوش مصنوعی در مدیریت کسب و کار صحیح است؟

• الف) خروجی هوش مصنوعی در تصمیماتی که پیامدهای مالی، حقوقی و منابع انسانی دارد، جایگزین تاییدیه کارشناسان ذیصلاح نمی شود.
• ب) در صورت صحیح بودن خروجی هوش مصنوعی نیازی به تایید کارشناسی نیست
• ج) داده‌های واقعی مشتری را می‌توان به ابزارهای باز داده تا زمانی که امن به نظر برسد
• د) «هوش مصنوعی چنین گفته است» یک توجیه معتبر برای پاسخگویی است

افشا: خروجی هوش مصنوعی جایگزین تاییدیه متخصص صالح در زمینه‌های مهمی مانند انطباق، امور مالی، حقوقی و منابع انسانی نیست. هوش مصنوعی دستیار افزایش سرعت است. محرمانه بودن داده ها، صحت خروجی و اخلاقی بودن تصمیم همیشه بر عهده مدیر است. یک خروجی تایید نشده به اندازه یک تصمیم بدون امضا خطرناک است.