Nyereség:
- Képes az adatok négy rétegben történő védelmére (osztályozás, anonimizálás, járműválasztás, minimális adatok) és teljesíteni a KVKK felelősségét
- Képesség a kimenetek kockázati szint szerinti ellenőrzésére, és olyan ajánlások szűrésére, amelyek méltányosságon és elfogultságon keresztül érintik az embereket
- Képes létrehozni egy egyszerű mesterséges intelligencia irányítási keretet, és biztosítani, hogy az AI kimenet ne helyettesítse a szakértői jóváhagyást a pénzügyi/jogi/HR/megfelelőségi döntésekben
Vezetőként megtanulta az AI használatát vállalkozása minden szegletében: jelentéskészítés, KPI, automatizálás, műveletek, beszerzés, kommunikáció, összefoglaló, forgatókönyv. Most megteremtjük ennek a hatalomnak a felelősségteljes felhasználásának kereteit. Mert a mesterséges intelligencia helytelen használatánál a gyorsaság és a kényelem komoly kockázatokká válik: kiszivárgott ügyféllista, kitalált számon alapuló döntés, diszkriminatív javaslat, KVKK megsértése. Ez az egység a biztonsági háló, amely az egész modult egyben tartja. A fő elv egy mondatban: AI asszisztens; Az adatok titkossága, a kimenet pontossága és a döntés etikája mindig a vezető felelőssége.
Adatvédelem: négy szintű védelem
Az üzleti adatok értékesek, és nagy részük bizalmas. Védje a magánéletet négy rétegben. Első réteg – besorolás: minden adatot „nyilvános/belső felhasználású/bizalmas/személyes” jelöléssel jelöljön meg. A bizalmas és személyes adatok különös figyelmet igényelnek. Második réteg – anonimizálás: Az azonosítók, például a név, az azonosító, az ügyfél neve, a szállítói ár lefordítása kódokká, mielőtt átadná őket az AI-nak (A munkavállaló, 1. ügyfél). Harmadik réteg – eszközválasztás: ha lehetséges, használjon a vállalat által jóváhagyott vállalati AI-eszközöket, amelyek nem tárolnak adatokat a modellképzéshez; Ne adjon meg bizalmas adatokat ingyenes nyilvánosan elérhető eszközöknek. Negyedik réteg – minimális adat: adja meg a munka elvégzéséhez szükséges minimális adatmennyiséget, ne többet.
A KVKK (személyes adatok védelméről szóló törvény) szabályozza az alkalmazottak és ügyfelek személyes adatainak kezelését; A jogsértés jogi szankciókkal és a jó hírnév elvesztésével jár. Ügyféllista vagy bérjegyzék beillesztése egy nyitott csevegődobozba olyan, mintha egy zárolt fájlt az utcán hagyna.
Figyelem: "Ez az eszköz biztonságosnak tűnik" nem jelent garanciát. Mielőtt bármilyen adatot adna az MI-nek, kérdezze meg: "Mi a kár a vállalat számára, ha ez az információ kiszivárogna?" Ha a kár súlyos, vagy anonimizálja az adatokat, vagy egyáltalán ne adja ki. Ha kétségei vannak, ne adjon.
Érvényesítés: az aláíratlan kimenet nem döntés
A modulban ismétlődő tudomány itt egy fedél alatt van összegyűjtve. Érvényesítsen minden AI-kimenetet három lépésben: forrás (a szám az általam megadott adatokból származik?), újraszámítás (ellenőrizze az aritmetikát), vezetői szűrő (megfelel-e az iparági tudásomnak és a szakterületemnek?). A mesterséges intelligencia hallucinációkat idézhet elő – nem létező számokat, forrásokat vagy tényeket talál ki meggyőző nyelven. A folyékonyság nem pontosság. Minél fontosabb a döntés, annál szigorúbbnak kell lennie az ellenőrzésnek.
Vegye figyelembe a kockázatot három szinten. Alacsony kockázatú szállítmányok (belső vázlat, formázás, összefoglaló): elég egy gyors áttekintés. Közepes kockázatú szállítmányok (jelentés a vezetőségnek, KPI megjegyzés): minden szám érvényes. Magas kockázatú leszállítandó termékek (pénzügyi döntés, szerződés, megfelelőségi dokumentum, HR-tranzakció): az AI csak piszkozatokat készít; Az illetékes szakértői vélemény, jogi/pénzügyi ellenőrzés és aláírás kötelező. Ezeken a területeken az AI-kimenet soha nem helyettesítheti az illetékes szakértői jóváhagyást.
Etika és elfogultság: gyors, de igazságos
Az AI tanul a történelmi adatokból; Ha múltbeli torzítás van, az AI megismétli, vagy akár meg is erősíti. Egy felvételi, előléptetési vagy ügyfél-prioritizálási javaslat akaratlanul is hátrányos helyzetbe hozhat egy csoportot. Tehát minden embert érintő mesterségesintelligencia-javaslatot tegyen át a méltányosság szűrőjén: "Ez a javaslat tisztességtelenül kizár egy csoportot? Megvédhető az indoklás?" Kérdezd meg az MI-t kifejezetten "mely csoportok érhetnek hátrányt ezzel a javaslattal?" kérdez.
Két további etikai alapelv: Átláthatóság – Ne rejtse el a mesterséges intelligencia által generált jelentős teljesítményt; El kell tudnia magyarázni, hogyan hozták meg a döntést. Elszámoltathatóság – „Az AI mondta” nem mentség. A felelősség az eszközt használó vezetőt terheli. Amikor a mesterséges intelligencia hibát követ el, te vonod felelősségre azt; ezért használja felügyelt asszisztensnek, ne vak tekintélynek.
A mesterséges intelligencia irányítása: intézményi keret
Az egyéni jóakarat nem elég; Alakíts ki egy egyszerű mesterséges intelligencia irányítási keretet a vállalkozás számára: melyik eszközhöz milyen adatok adhatók, milyen döntéseket támogathat az MI, melyek csak a szakértőre tartoznak, hogyan érvényesülnek az outputok, ki a felelős. Az írott, egyszerű szabályzat megvédi az egész csapatot, és megakadályozza a katasztrófát a következő egységen.
három mini tok
1. eset – Visszatérés a szivárgás széléről. Az értékesítési menedzser beilleszt egy listát a valódi ügyfelek neveivel és forgalmával egy ingyenes AI-eszközbe. Egy pillanatnyi tétovázás után megkérdezte: "Mi történne, ha ez kiszivárogna?" – kérdezte a vásárlók neveit kódolva, és a forgalom szalagra konvertálásával. Az elemzés ugyanolyan minőségben jött ki; valódi adatok nem mentek ki. Egy kis szokás megakadályozta a nagy KVKK kockázatot.
2. eset – A kitalált szám költsége. Egy pénzügyi igazgató bemutatta az YZ által a testületnek adott "23 százalékos iparági átlagot" anélkül, hogy ellenőrizte volna. A számot kitalálták; Az AI meggyőzően olyan számot hozott létre, amelynek nem volt forrása. A rossz számon alapuló befektetési vita alakult ki, és időbe telt, amíg megfordult. Tanulság: nem minden szám, amely azt állítja, hogy kívülről származik, nem használható anélkül, hogy a valódi forráshoz ne kapcsolnánk.
3. eset – Az elfogult ajánlás megragadása. Egy HR-menedzser arra kérte az AI-t, hogy rangsorolja a jelölteket. Az AI a történelmi adatok alapján kiemelné egy adott iskola végzettségét. A menedzser azt kérdezi, hogy „mely csoportokat zár ki ez a javaslat?” kérdezte; Úgy találta, hogy az AI megismétli a múltbeli elfogultságot. Kizárólag a munkakörhöz kapcsolódó, védhető szempontok alapján állította össze a rangsort, és a végső döntést a népbizottságra bízta.
Négy másolható sablon
1) Adatvédelmi szűrés:
Az Ön szerepköre: adatvédelmi tanácsadó. Mindjárt adok egy adatsort. Először sorolja fel a személyes/bizalmas mezőket (név, azonosító, ügyfél, ár, fizetés), és javasolja, hogyan teheti névtelenné őket. Röviden írja le, hogy milyen kockázatokkal jár, ha ezeket az adatokat a mesterséges intelligencia számára adjuk a KVKK-ban kifejezve. Még ne elemezzen.
2) Ellenőrző lista:
A következő AI-kimenetet ellenőriznem kell, mielőtt bemutatnám a vezetőségnek. Sorolja fel az egyes számszerű jogcímeket és külső forrásigényeket a kimenetben. Mindegyiknél tedd fel a kérdést: "Az általam megadott adatok forrása, vagy olyan információ, amelyet a mesterséges intelligencia esetleg maga állított elő?" Gyűjtsd össze az ismeretlen forrásúakat az „ELLENŐRZÉS” címszó alatt.
3) Etika/igazságosság szűrő:
A következő mesterségesintelligencia-javaslat érinti az embereket: [javaslat]. Mely csoportok számára jelenthet méltánytalanul hátrányt ez a javaslat? Lehetséges, hogy a korábbi adatok torzítják az ajánlást? Min változtassak, hogy kizárólag üzleti vonatkozású, védhető szempontok alapján döntsek? Legyen őszinte, ne védje meg a javaslatot.
4) A mesterséges intelligencia használatának kockázati besorolása:
A következő feladatot fogom végrehajtani AI-val: [feladat]. Helyezze kockázati szintre: alacsony (belső tervezet), közepes (a vezetőség felé kimenő), magas (pénzügyi/jogi/HR következmény). Mondja el, milyen ellenőrzési és jóváhagyási lépésekre van szükség a kockázati szint alapján. Ha ez magas kockázatú, emlékeztessen arra, hogy a szakértő jóváhagyása kötelező.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Adjon nekem egy elemzést ezekkel az ügyféladatokkal. [valódi nevű adat]
Valódi személyes adatokat szolgáltat a nyílt eszköznek; Fennáll a KVKK megsértése és szivárgás veszélye. Nincs terv a kimenet érvényesítésére sem.
Erőteljes felszólítás:
Az Ön szerepe: elemző. Az általam megadott adatokban minden név kódolva van (Ügyfél 1-50) és az összegek szalagra konvertálva. Végezzen szegmenselemzést ezekkel a névtelen adatokkal. Csak használja az általam megadott számokat, ne adjon hozzá külső szektorszámokat; Ha hozzáadja, kérjük, egyértelműen adja meg a forrást, hogy ellenőrizhessem.
Méret
rossz megközelítés
Erős megközelítés
Adatok
igazi név
névtelen
KVKK kockázat
magas
alacsony
forrásvezérlés
Egyik sem
kötelező
Ellenőrizhetőség
alacsony
magas
Felelősség
bizonytalan
tisztázott
Gyakori hibák
- Valódi bizalmas/személyes adatok megadása a nyitott eszköznek. Először osztályozza és anonimizálja.
- Nem ellenőrizzük a külső forrásból származó követeléseket. A mesterséges intelligencia olyan számokat tud alkotni, mint az „ipari átlag”; csatlakozni a forráshoz.
- Az előítélet figyelmen kívül hagyása. Vezesse át az embereket érintő javaslatokat a méltányosság szűrőjén.
- Az "AI mondta" kifogás. A felelősség a felhasználót terheli; Vállalja az elszámoltathatóságot.
- Szakértői jóváhagyás kihagyása magas kockázatú döntéseknél. A pénzügyi/jogi/HR/megfelelőségi eredményekhez szakértői jóváhagyás szükséges.
Vigyázat: A modul legfontosabb mondata: Az olyan következményes területeken, mint a megfelelőség, a pénzügy, a jogi és az emberi erőforrások, az AI-kimenet NEM helyettesíti az illetékes szakértői jóváhagyást. Az AI növeli a sebességet, nem rúgja ki a szakértőt. Egy ellenőrizetlen AI-kimenet ugyanolyan kockázatos, mint egy aláíratlan döntés.
Összefoglalva
A felelős mesterséges intelligencia használat három pilléren nyugszik: az adatvédelem, a hitelesítés és az etika. Védje az adatokat négy rétegben (osztályozás, anonimizálás, szerszámválasztás, minimális adat), és ne feledje a KVKK felelősségét. Érvényesítse az egyes kimeneteket forráshivatkozással, újraszámítással és adminisztratív szűréssel; Növelje a szorgalmat a kockázati szint alapján. Vezesse át az embereket érintő javaslatokat a méltányosság szűrőjén, és őrizze meg az átláthatóságot és az elszámoltathatóságot. Egy egyszerű mesterséges intelligencia irányítási keretrendszer védi az egész csapatot. És mindig: a magas kockázatú, következményes területeken az AI nem helyettesíti a hozzáértő szakértői jóváhagyást.
Pályázati feladat
Írjon féloldalas vázlatot az „AI használati irányelvekről” saját vállalkozása számára. Tartalmazza: melyik eszközhöz milyen adatok adhatók, hogyan lesznek az adatok anonimizálva, mely kimeneteket kell érvényesíteni, mely döntések kizárólag a szakértőt illetik, és ki a felelős. A fenti „AI-használat kockázati besorolása” sablon használatával helyezze a kockázati szintre az elmúlt héten az MI-vel végzett 5 feladatot, és írja be mindegyikhez a megfelelő ellenőrzési lépést.
ellenőrző lista
- [ ] Besoroltam és anonimizáltam az adatokat?
- [ ] A cég által jóváhagyott/biztonságos eszközt és minimális adatmennyiséget használtam?
- [ ] Érvényesítettem minden kimenetet a kockázati szinthez képest?
- [ ] A méltányosságon keresztül szűrtem le az embereket érintő javaslatokat?
- [ ] Szükségem volt szakértői jóváhagyásra magas kockázatú döntésekhez?
Modul vizsga
1. Milyen kérdést kell feltennie a vezetőnek, hogy meghatározza a munka rétegét (mechanikai / analitikai / döntési) és az ellenőrzési szigort, mielőtt kiszervezné a munkát az MI-re?
- A) Mi lesz az eredmény, ha ez a kimenet rossz? ✔
- B) A mesterséges intelligencia a lehető leggyorsabban befejezheti ezt a munkát?
- C) Ez az eszköz ingyenes?
- D) Elvégezték valaha ezt a munkát?
Leírás: A helyes használat alapja a munkakör kockázati szint szerinti besorolása. "Mi lesz a következménye, ha ez a kimenet helytelen?" A kérdés határozza meg, hogy a munka mechanikus, analitikus vagy felelősségteljes döntés, és ezért mennyi ellenőrzés szükséges.
2. A mesterséges intelligencia által megadott „23 százalékos iparági átlag” adatot ellenőrzés nélkül bemutatják az igazgatóságnak, és kiderül, hogy az adat kitalált. Melyik alapvető fegyelem hagyta figyelmen kívül ebben az esetben?
- A) A mesterséges intelligencia használatának szabálya csak a délelőtti órákban
- B) A kimenet ellenőrzésének szabálya a forráshoz való kapcsolással ✔
- C) A jelentés átalakítása színes táblázattá
- D) Hosszabb felszólítás írása
Magyarázat: A mesterséges intelligencia néha nem létező számot produkál meggyőző nyelven (hallucináció). A kimenetnek a forráshoz való csatlakoztatásának lépése ellenőrzi, hogy minden szám valódi forrásból származik-e, vagy esetleg kitalált. Ha ezt kihagyjuk, fennáll a rossz döntések veszélye.
3. Míg egy e-kereskedelmi cégnél a teljes árbevétel stabilnak tűnik, a szegmens bontásból kiderül, hogy a magas profit kategória 22 százalékkal csökkent, és ezt az alacsony nyereségű eladások takarják. Milyen elvet szemléltet ez a példa?
- A) A teljes szám mindig a legmegbízhatóbb mutató
- B) A jövedelmezőség nem fontos, csak a forgalom a fontos
- C) A teljes számok elrejthetik a visszafordításokat; szegmensbontás felfedi az igazságot ✔
- D) A szegmenselemzés csak nagyvállalatokra érvényes
Magyarázat: A teljes számok elrejthetik a belső visszafordításokat. Ha a döntéstámogató munkában inkább a bontást (szegmenselemzést) nézzük, mint a teljességet, kiderül az igazság; A nagy eltérések elrejthetők egy rögzített összeg alatt.
4. Egy kávézó menedzsere úgy értelmezi azt a megállapítást, hogy „a hétvégi eladások a hőmérséklettel együtt mozognak” úgy, hogy „a meleg időjárás növeli az eladásokat”, és lelassítja a légkondicionálást; Az igazi ok azonban a hétvégén megnövekedett ügyfélforgalom volt. Mi ez a hiba?
- A) Az ok-okozati összefüggés téves korrelációja ✔
- B) Nem gyűjt elég adatot
- C) Rossz diagramtípus kiválasztása
- D) Nem anonimizálja az adatokat
Magyarázat: Az, hogy két dolog együtt hat (korreláció), nem jelenti azt, hogy az egyik okozza a másikat (ok-okozati összefüggés). A hőmérséklet és az eladások véletlenül ugyanabba az irányba mozdultak el; A gyakori ok a hétvégi forgalom volt. A mesterséges intelligencia által talált összefüggések nem bizonyítékok, hanem tesztelendő hipotézisek.
5. Mi található a jó vezetői jelentés „piramis” szerkezetének tetején?
- A) Nyers adattáblák
- B) Vezetői összefoglaló ✔
- C) További dokumentumok és lábjegyzetek
- D) Minden adat az előző évekből
Magyarázat: A jó jelentés egy piramis: a tetején a vezetői összefoglaló (3-5 pont), amelyet úgy terveztek, hogy a legelfoglaltabb olvasó 30 másodperc alatt megértse; kritikus megállapítások alább; Alul az alátámasztó részlet. Így a felsővezető csak a felsőt olvassa, és aki kíváncsi, az lejön.
6. Amikor egy call center a „napi fogadott hívások számát” KPI-ként határozza meg, a képviselők siettetni fogják a hívásokat, és csökkentik az ügyfelek elégedettségét. Milyen elvet illusztrál ez a helyzet?
- A) Minél több KPI, annál jobb a menedzsment
- B) A KPI-k nem használhatók call centerekben
- C) A sebesség mindig a minőség előtt áll
- D) A manipulálható KPI inkább kedvezőtlen viselkedésre ösztönözhet, mintsem a mérni kívánt eredményre ✔
Magyarázat: Amikor egy indikátor célponttá válik, az emberek megtalálják a módját, hogy megtévesszék (Goodhart törvénye). A „hívásszám” könnyen manipulálható, és nem méri a tényleges eredményt (felbontás, elégedettség). Tehát a KPI kiválasztása előtt kérdezze meg, hogy „milyen kedvezőtlen viselkedésre ösztönöz?” meg kell kérdezni.
7. Mi az oka az „először egyszerűsítsd a folyamatot, később automatizáld” szabálynak a folyamatautomatizálásban?
- A) Az automatizálás egy megszakadt folyamatban is felgyorsítja a meghibásodást; A folyamatot először korrigálni kell ✔
- B) Az egyszerűsítés lehetetlenné teszi az automatizálást
- C) Az egyszerűsítés csak törvényi kötelezettség
- D) Az automatizálás mindig olcsóbb, mint az egyszerűsítés
Leírás: Az automatizálás növeli a folyamat sebességét; Ezenkívül felgyorsítja a hibát, ha a folyamat sérült. Amikor egy könyvelési egységben az 5 szükségtelen lépés folyamatát automatizáltuk, a felesleges lépések gyorsabban működtek. Először egyszerűsíteni kell a folyamatot, majd fel kell gyorsítani.
8. Mi a „human-in-the-loop” tervezés célja az ügyfélnek adott automatikus válaszadásban?
- A) Az automatizálás teljes leállítása
- B) A mesterséges intelligencia döntési jogkörének növelése
- C) Megakadályozza a hiba elkerülését emberi jóváhagyással a kritikus ponton, miközben a sebesség nagy részét megtartja ✔
- D) Az emberi munkaerő teljes kiiktatása
Magyarázat: Human-in-the-loop tervezés egy emberi jóváhagyás az automatizált folyamat kritikus pontján. Az AI elkészíti a piszkozatot, az ember gyorsan jóváhagyja, majd elküldi. Ez megakadályozza, hogy egy hiba közvetlenül kimenjen, miközben a sebesség nagy részét megőrzi; Amikor egy csapat eltávolította ezt a jóváhagyást, téves információ jutott el az ügyfélhez.
9. Bútorműhelyben lassú a termelés; A vezető a legdrágább gépet (vágást) szeretné lecserélni, de az elemzés azt mutatja, hogy a szűk keresztmetszet a festés-szárítás lépés. Mi a műveletelemzés alapelve?
- A) A legdrágább lépést mindig javítani kell
- B) A fejlesztésnek a teljes áramlást lelassító szűk keresztmetszetre kell irányulnia ✔
- C) Minden lépést egyformán kell gyorsítani
- D) A szűk keresztmetszet fogalma csak a gyártósorokon érvényes
Magyarázat: Egy folyamat sebessége a leglassabb lépésének (szűk keresztmetszetnek) a sebessége. A szűk keresztmetszeten kívüli lépések felgyorsítása pénz- és erőfeszítéspazarlás; Az egyetlen dolog, ami működik, az a szűk keresztmetszet kiszélesítése. Amikor a vezető vágás helyett egy második szárítókemencébe fektetett be, a sebesség 28 százalékkal nőtt.
10. A vásárlás során a menedzser a legolcsóbb nyersanyagszállítóra vált, de figyelmen kívül hagyja a szállító gyenge szállítási megbízhatóságát; Két jelentős késés miatt leáll a termelés. Mi a tanulság ebből a helyzetből?
- A) Mindig a legdrágább szállítót kell választani
- B) A szállítási megbízhatóság lényegtelen
- C) A szállítót nem egy dimenzióban (csak árban) kell értékelni, hanem több dimenzióban, beleértve a megbízhatóságot és a kockázatot is ✔
- D) A beszállítói döntéseket kizárólag a mesterséges intelligenciára kell bízni
Leírás: A szállító kiválasztása többdimenziós: az árat, a minőséget, a szállítási időt, a megbízhatóságot, a pénzügyi megalapozottságot és a kockázatot együtt kell értékelni. Csak az árat nézve a megszerzett engedménynél többszörösen nagyobb veszteségekhez vezethet; A kiesett termelés eltörölte a kedvezményt.
11. Mi a legjobb, amit egy menedzser megtehet, mielőtt dühös, kemény e-mailt küldene egy folyamatosan késő csapatnak?
- A) Küldje el az üzenetet úgy, ahogy van, mert az érzelmek valódiak
- B) A hangszín mesterséges intelligenciával megoldásorientálttá tétele, majd emberi szűrőn való átvezetése ✔
- C) Egyáltalán nem küldi el az üzenetet, és figyelmen kívül hagyja a problémát
- D) Az üzenet erősebbé tétele
Magyarázat: A haragos üzeneteket nem szabad azonnal elküldeni. Ha azt mondjuk a mesterséges intelligenciának, hogy „változtassa a hangnemet egy tiszteletteljes és megoldásorientált hangnemre, miközben megtartja ugyanazokat az elvárásokat és határokat”, megőrzi az üzenet lényegét, korrigálja annak hangját és megakadályozza a nehezen visszanyerhető ellenérzéseket; A kimenet ezután ember által szűrt.
12. Az ülés összefoglalója szerint a mesterséges intelligencia „költségvetésemelés jóváhagyva”; Az ülésen azonban elhangzott, hogy „értékelni fogják a költségvetés emelését”. Mi a helyes módja ennek a veszélynek a elkerülésére?
- A) Azonnal oszd szét az összefoglalót anélkül, hogy elolvasnád
- B) Ellenőrizze az összefoglalót, válassza el a döntést a lehetőségtől, és hagyja jóvá a résztvevőkkel ✔
- C) Egyáltalán nem készíti el az ülés összefoglalóját
- D) Csak a leghosszabb büntetést figyelembe véve döntésnek
Leírás: A mesterséges intelligencia tévesen határozhatja meg a döntéseket; Az „értékelendő” és a „jóváhagyott” közötti különbség kulcsfontosságú. Az értekezlet összefoglalója gyakran a „hivatalos emlék”, ezért minden összefoglalót el kell olvasni, meg kell különböztetni a döntéstől, és a kiosztás előtt meg kell erősíteni a résztvevőkkel.
13. A forgatókönyv-tervezés során mi a célja legalább három forgatókönyv felállításának (optimista, alapvető, pesszimista), ahelyett, hogy a jövőt egyetlen jóslathoz kötnénk (például „15 százalékkal növekedni fogunk”)?
- A) A mesterséges intelligencia pontosan meg tudja jósolni a jövőt
- B) Mindegy, hogy melyik irányba halad az igazság, ne érjen váratlanul, és a pánik helyett tedd életbe a tervet ✔
- C) Kevesebb adatot gyűjtsön
- D) Egyetlen helyes jövő kiválasztása előre
Magyarázat: A valóság egy intervallum; Ha az egyetlen találgatáson alapuló terv nem valósul meg, az összeomlik. A több forgatókönyvre adott válaszok előzetes előkészítése biztosítja, hogy a pánik helyett egy tervet lehessen készíteni, függetlenül attól, hogy a valóság milyen irányban mozog. Nem az a cél, hogy megismerjük a jövőt, hanem az, hogy ne kapjunk felkészületlenül.
14. Az alábbiak közül melyik igaz a mesterséges intelligencia használatára vonatkozóan az üzletvezetésben?
- A) A mesterséges intelligencia kibocsátása nem helyettesíti az illetékes szakértői jóváhagyást olyan döntésekben, amelyek pénzügyi, jogi és HR következményekkel járnak ✔
- B) Ha a mesterséges intelligencia kimenete megfelelő, nincs szükség szakértői jóváhagyásra
- C) Valódi ügyféladatok adhatók a nyitott eszközökhöz, amíg az biztonságosnak tűnik
- D) „Az AI mondta” az elszámoltathatóság érvényes indoka
Közzététel: A mesterséges intelligencia kimenete nem helyettesíti a hozzáértő szakértői jóváhagyást az olyan következményes területeken, mint a megfelelőség, a pénzügy, a jogi és az emberi erőforrások. A mesterséges intelligencia sebességnövelő asszisztens; Az adatok titkossága, a kimenet pontossága és a döntés etikája mindig a vezető felelőssége. Az ellenőrizetlen kimenet ugyanolyan kockázatos, mint az aláíratlan döntés.