Prywatność danych, uwierzytelnianie, etyka i zarządzanie

Zyski:

• Możliwość ochrony danych w czterech warstwach (klasyfikacja, anonimizacja, wybór pojazdu, minimalna ilość danych) i wypełnianie obowiązków KVKK
• Możliwość weryfikacji wyników zgodnie z poziomem ryzyka i filtrowania zaleceń, które wpływają na ludzi poprzez uczciwość i stronniczość
• Umiejętność ustanowienia prostych ram zarządzania sztuczną inteligencją i zapewnienia, że wyniki sztucznej inteligencji nie zastąpią zatwierdzenia ekspertów w decyzjach finansowych/prawnych/HR/zgodności

Jako menadżer nauczyłeś się wykorzystywać sztuczną inteligencję w każdym zakątku swojego biznesu: raportowaniu, KPI, automatyzacji, operacjach, zaopatrzeniu, komunikacji, podsumowaniu, scenariuszu. Teraz ustalamy ramy odpowiedzialnego korzystania z tej mocy. Ponieważ w przypadku nieprawidłowego użycia sztucznej inteligencji szybkość i wygoda stają się poważnym ryzykiem: lista klientów, która wyciekła, decyzja oparta na wymyślonym numerze, dyskryminująca sugestia, naruszenie KVKK. Jednostka ta stanowi siatkę zabezpieczającą spajającą cały moduł. Główna zasada zawarta w jednym zdaniu: AI jest asystentem; Za poufność danych, dokładność wyników i etykę decyzji zawsze odpowiada menedżer.

Prywatność danych: cztery warstwy ochrony

Dane biznesowe są cenne i wiele z nich ma charakter poufny. Chroń prywatność w czterech warstwach. Pierwsza warstwa — klasyfikacja: oznacz każdą część danych jako „publiczną/do użytku wewnętrznego/poufną/osobistą”. Dane poufne i osobowe wymagają szczególnej uwagi. Warstwa druga — anonimizacja: Przetłumacz identyfikatory takie jak imię i nazwisko, identyfikator, nazwa klienta, cena dostawcy na kody przed przekazaniem ich AI (Pracownik A, Klient 1). Warstwa trzecia — wybór narzędzi: jeśli to możliwe, korzystaj z zatwierdzonych przez firmę narzędzi korporacyjnej AI, które nie przechowują danych do szkolenia modeli; Nie podawaj poufnych danych do bezpłatnych, publicznie dostępnych narzędzi. Czwarta warstwa — minimum danych: podaj minimum danych potrzebnych do wykonania zadania, nic więcej.

KVKK (ustawa o ochronie danych osobowych) reguluje przetwarzanie danych osobowych pracowników i klientów; Naruszenie pociąga za sobą zarówno sankcje prawne, jak i utratę reputacji. Wklejenie listy klientów lub listy płac do otwartego okna czatu przypomina pozostawienie zamkniętego pliku na ulicy.

Uwaga: stwierdzenie „to narzędzie wydaje się bezpieczne” nie stanowi gwarancji. Zanim przekażesz jakiekolwiek dane AI, zadaj sobie pytanie: „Jaka byłaby szkoda dla firmy, gdyby te informacje wyciekły?” Jeżeli szkoda jest poważna, należy zanonimizować dane lub w ogóle ich nie udostępniać. Jeśli masz wątpliwości, nie podawaj.

Walidacja: wynik bez znaku nie jest decyzją

Dyscyplina powtarzana w całym module została tutaj zebrana pod jednym dachem. Zweryfikuj każdy wynik AI w trzech krokach: źródło (czy liczba pochodzi z danych, które dostarczyłem?), przelicz (sprawdź arytmetykę), filtr menedżerski (czy pasuje do mojej wiedzy branżowej i dziedziny?). Sztuczna inteligencja może wywoływać halucynacje — wymyślać nieistniejące liczby, źródła lub fakty za pomocą przekonującego języka. Płynność to nie dokładność. Im ważniejsza decyzja, tym bardziej rygorystyczna musi być weryfikacja.

Rozważ ryzyko na trzech poziomach. Produkty niskiego ryzyka (konspekt wewnętrzny, formatowanie, podsumowanie): wystarczy szybki rzut oka. Wyniki średniego ryzyka (raport dla kierownictwa, komentarz KPI): każda liczba jest weryfikowana. Wyniki obarczone wysokim ryzykiem (decyzja finansowa, umowa, dokument zgodności, transakcja kadrowa): sztuczna inteligencja tworzy jedynie wersje robocze; Opinia kompetentnego eksperta, kontrola prawna/finansowa i podpis są obowiązkowe. W tych obszarach wyniki sztucznej inteligencji nigdy nie zastąpią zgody kompetentnego eksperta.

Etyka i stronniczość: szybko, ale sprawiedliwie

AI uczy się na podstawie danych historycznych; Jeśli istnieją uprzedzenia z przeszłości, sztuczna inteligencja je powtórzy lub nawet wzmocni. Zalecenie dotyczące zatrudnienia, awansu lub ustalenia priorytetów klienta może nieświadomie postawić grupę w niekorzystnej sytuacji. Zatem każdą propozycję sztucznej inteligencji, która ma wpływ na ludzi, należy poddać filtrowi sprawiedliwości: „Czy ta propozycja niesprawiedliwie wyklucza jakąś grupę? Czy uzasadnienie można obronić?” Zapytaj sztuczną inteligencję wyraźnie „które grupy mogą być w niekorzystnej sytuacji na skutek tej propozycji?” zapytać.

Dwie kolejne zasady etyczne: Przejrzystość — nie ukrywaj znaczących wyników generowanych przez sztuczną inteligencję; Powinieneś być w stanie wyjaśnić, w jaki sposób podjęto decyzję. Odpowiedzialność — „AI tak powiedziała” nie jest wymówką. Odpowiedzialność spoczywa na menedżerze korzystającym z narzędzia. Kiedy sztuczna inteligencja popełni błąd, pociągasz do odpowiedzialności; więc wykorzystuj go jako nadzorowanego asystenta, a nie ślepego autorytetu.

Zarządzanie sztuczną inteligencją: ramy instytucjonalne

Indywidualna dobra wola nie wystarczy; Stwórz proste ramy zarządzania sztuczną inteligencją dla biznesu: jakie dane można przekazać do jakiego narzędzia, jakie decyzje mogą być wspierane przez sztuczną inteligencję, które należą tylko do eksperta, w jaki sposób weryfikowane są wyniki, kto jest odpowiedzialny. Spisana, prosta polityka chroni cały zespół i zapobiega katastrofie w następnej jednostce.

trzy mini etui

Przypadek 1 – Powrót znad krawędzi wycieku. Menedżer sprzedaży wkleiłby listę z prawdziwymi nazwami klientów i obrotami do bezpłatnego narzędzia AI. W chwili wahania zapytał: „Co by się stało, gdyby to wyciekło?” – zapytał, kodując nazwiska klientów i konwertując obroty na taśmę. Analiza wypadła tej samej jakości; nie wyciekły żadne prawdziwe dane. Mały nawyk zapobiegł dużemu ryzyku KVKK.

Przypadek 2 — Koszt wymyślonego numeru. Dyrektor finansowy przedstawił zarządowi kwotę „średniej w branży wynoszącą 23 procent” podaną zarządowi przez YZ, bez jej weryfikacji. Numer został wymyślony; Sztuczna inteligencja w przekonujący sposób stworzyła liczbę, która nie miała żadnego źródła. Wystąpiły kontrowersje inwestycyjne oparte na błędnych danych, których odwrócenie wymagało czasu. Lekcja: nie każdej liczby, która rzekomo pochodzi z zewnątrz, można użyć bez połączenia jej z prawdziwym źródłem.

Przypadek 3 — Łapanie stronniczej rekomendacji. Menedżer HR poprosił sztuczną inteligencję o ocenę kandydatów. Sztuczna inteligencja wyróżniałaby absolwentów konkretnej szkoły na podstawie danych historycznych. Menedżer pyta: „Jakie grupy wyklucza ta propozycja?” zapytał; Odkrył, że sztuczna inteligencja powtarza uprzedzenia z przeszłości. Oparł rankingi wyłącznie na możliwych do obrony kryteriach związanych z pracą, a ostateczną decyzję pozostawił komisji personalnej.

Cztery szablony do kopiowania

1) Kontrola prywatności danych:

Twoja rola: doradca ds. prywatności danych. Za chwilę podam zestaw danych. Najpierw wypisz pola osobiste/poufne (imię i nazwisko, dowód osobisty, klient, cena, wynagrodzenie) i zasugeruj, jak zanonimizować każde z nich. Krótko opisz ryzyko związane z przekazaniem tych danych AI w kontekście KVKK. Nie analizuj jeszcze.

2) Lista kontrolna weryfikacji:

Muszę zweryfikować następujące wyniki AI przed przedstawieniem ich kierownictwu. Wypisz w wynikach każde żądanie liczbowe i oświadczenie źródła zewnętrznego. W przypadku każdego z nich zadaj sobie pytanie: „Czy jest źródłem danych, które dostarczyłem, czy też są to informacje, które sztuczna inteligencja mogła wyprodukować/sfabrykować sama?” Zbierz te, których źródła są nieznane, pod nagłówkiem „WERYFIKUJ”.

3) Filtr etyki/sprawiedliwości:

Następująca propozycja sztucznej inteligencji wpływa na ludzi: [propozycja]. Których grup ta propozycja może niesprawiedliwie postawić w niekorzystnej sytuacji? Czy zalecenie może być obciążone danymi historycznymi? Co powinienem zmienić, aby opierać decyzję wyłącznie na uzasadnionych kryteriach biznesowych? Bądź szczery, nie broń tej sugestii.

4) Klasyfikacja ryzyka stosowania sztucznej inteligencji:

Wykonam z AI następujące zadanie: [zadanie]. Umieść go na poziomie ryzyka: niski (projekt wewnętrzny), średni (wyjście do kierownictwa), wysoki (konsekwencje finansowe/prawne/HR). Powiedz mi, jakie kroki weryfikacyjne i zatwierdzające są wymagane w zależności od poziomu ryzyka. Jeśli jest to ryzykowne, przypomnij, że zgoda eksperta jest obowiązkowa.

Słaba zachęta/silna zachęta

Słaba zachęta:

Daj mi analizę z tymi danymi klienta. [prawdziwe nazwane dane]

Dostarcza do otwartego narzędzia prawdziwe dane osobowe; Niesie to ryzyko naruszenia KVKK i wycieku. Nie ma również planu sprawdzania poprawności wyników.

Potężny monit:

Twoja rola: analityk. W danych, które ci podałem, wszystkie nazwiska są zakodowane (Klient 1-50), a kwoty są przeliczane na taśmę. Przeprowadź analizę segmentową na podstawie tych anonimowych danych. Po prostu użyj liczb, które podałem, nie dodawaj numerów sektorów zewnętrznych; Jeśli go dodasz, podaj wyraźnie źródło, żebym mógł to zweryfikować.

Rozmiar

słabe podejście

Mocne podejście

Dane

prawdziwe imię

anonimowy

Ryzyko KVKK

wysoki

niski

kontrola źródła

Żadne

obowiązkowe

Weryfikowalność

niski

wysoki

Odpowiedzialność

niepewny

wyjaśnione

Typowe błędy

• Podanie prawdziwych danych poufnych/osobowych do otwarcia narzędzia. Najpierw klasyfikuj i anonimizuj.
• Brak weryfikacji twierdzeń ze źródła zewnętrznego. Sztuczna inteligencja może tworzyć liczby takie jak „średnia branżowa”; połączyć się ze źródłem.
• Ignorowanie uprzedzeń. Propozycje, które wpływają na ludzi, należy umieścić przez filtr sprawiedliwości.
• Wymówka „AI tak powiedziała”. Odpowiedzialność spoczywa na użytkowniku; Załóż odpowiedzialność.
• Pomijanie zgody eksperta na decyzję wysokiego ryzyka. Wyniki finansowe/prawne/HR/zgodności wymagają zgody eksperta.

Uwaga: Najważniejsze zdanie tego modułu: Wyniki sztucznej inteligencji w kluczowych obszarach, takich jak zgodność, finanse, zasoby prawne i ludzkie NIE zastępują zgody kompetentnego eksperta. Sztuczna inteligencja zwiększa twoją prędkość, nie zwalnia twojego eksperta. Niezweryfikowany wynik sztucznej inteligencji jest tak samo ryzykowny jak decyzja bez podpisu.

Podsumowując

Odpowiedzialne wykorzystanie sztucznej inteligencji opiera się na trzech filarach: prywatności, uwierzytelnianiu i etyce. Chroń dane w czterech warstwach (klasyfikacja, anonimizacja, wybór narzędzi, minimalna ilość danych) i pamiętaj o odpowiedzialności KVKK. Zweryfikuj każdy wynik za pomocą łączenia źródeł, ponownego obliczania i filtrowania administracyjnego; Zwiększ staranność w zależności od poziomu ryzyka. Propozycje, które mają wpływ na ludzi, należy filtrować przez filtr uczciwości, zachowując przejrzystość i odpowiedzialność. Proste ramy zarządzania sztuczną inteligencją chronią cały zespół. I zawsze: w kluczowych obszarach wysokiego ryzyka sztuczna inteligencja nie zastąpi zgody kompetentnych ekspertów.

Zadanie aplikacji

Napisz półstronicowy projekt „Wytycznych dotyczących wykorzystania sztucznej inteligencji” dla własnej firmy. Uwzględnij: jakie dane można przekazać do jakiego narzędzia, w jaki sposób dane zostaną zanonimizowane, jakie wyniki należy zweryfikować, jakie decyzje należą wyłącznie do eksperta i kto jest za nie odpowiedzialny. Korzystając z powyższego szablonu „Klasyfikacja ryzyka stosowania sztucznej inteligencji”, umieść 5 zadań, które wykonałeś z AI w ostatnim tygodniu, na poziomie ryzyka i dla każdego z nich zapisz właściwy krok weryfikacji.

lista kontrolna

• [ ] Czy sklasyfikowałem i zanonimizowałem dane?
• [ ] Czy użyłem zatwierdzonego przez firmę/bezpiecznego narzędzia i minimalnej ilości danych?
• [ ] Czy zweryfikowałem każdy wynik pod kątem poziomu ryzyka?
• [ ] Czy przefiltrowałem propozycje, które wpływają na ludzi, pod kątem uczciwości?
• [ ] Czy wymagałem zgody eksperta przy podejmowaniu decyzji wysokiego ryzyka?

Egzamin modułowy

1. Jakie pytanie powinien zadać menadżer, aby określić warstwę pracy (mechaniczna/analityczna/decyzyjna) i rygor weryfikacji przed zleceniem zadania AI?

• A) Jaki będzie rezultat, jeśli wynik będzie błędny? ✔
• B) Czy sztuczna inteligencja może zakończyć to zadanie tak szybko, jak to możliwe?
• C) Czy to narzędzie jest bezpłatne?
• D) Czy ta praca była kiedykolwiek wcześniej wykonywana?

Opis: Podstawą prawidłowego użytkowania jest klasyfikacja stanowiska pracy według stopnia ryzyka. „Jakie będą konsekwencje, jeśli wynik będzie nieprawidłowy?” Pytanie określa, czy praca ma charakter mechaniczny, analityczny, czy odpowiedzialna decyzja, a zatem ile weryfikacji jest wymagane.

2. Podana przez sztuczną inteligencję liczba „średnia branżowa wynosząca 23 proc.” jest przedstawiana zarządowi bez weryfikacji i okazuje się, że jest ona sfabrykowana. Jaka podstawowa dyscyplina została w tym przypadku pominięta?

• A) Zasada korzystania ze sztucznej inteligencji tylko w godzinach porannych
• B) Dyscyplina sprawdzania wyjścia poprzez podłączenie go do źródła ✔
• C) Konwersja raportu na tabelę kolorów
• D) Napisanie dłuższej podpowiedzi

Wyjaśnienie: Sztuczna inteligencja czasami generuje nieistniejącą liczbę w przekonującym języku (halucynacja). Na etapie podłączenia wyjścia do źródła sprawdza się, czy dana liczba pochodzi z prawdziwego źródła, czy może została zmyślona. W przypadku pominięcia tego istnieje ryzyko podjęcia błędnych decyzji.

3. O ile całkowity obrót w firmie zajmującej się handlem elektronicznym wydaje się stabilny, podział na segmenty pokazuje, że kategoria generująca wysokie zyski spadła o 22%, co maskuje sprzedaż charakteryzująca się niskim zyskiem. Jaką zasadę ilustruje ten przykład?

• A) Całkowita liczba jest zawsze najbardziej wiarygodnym wskaźnikiem
• B) Rentowność jest nieważna, ważny jest tylko obrót
• C) Liczby całkowite mogą ukryć odwrócenia; podział segmentów ujawnia prawdę ✔
• D) Analiza segmentowa dotyczy tylko dużych firm

Wyjaśnienie: Liczby całkowite mogą ukryć wewnętrzne odwrócenia. Patrzenie na podział (analiza segmentowa), a nie na całość w pracy związanej ze wspomaganiem decyzji, ujawnia prawdę; Duże różnice można ukryć pod stałą sumą.

4. Kierownik kawiarni interpretuje stwierdzenie, że „sprzedaż w weekendy zmienia się wraz z temperaturą”, jako „upalna pogoda zwiększa sprzedaż” i wyłącza klimatyzację; Jednak prawdziwym powodem był wzmożony ruch klientów w weekend. Co to za błąd?

• A) Mylenie korelacji z przyczynowością ✔
• B) Nie zebrano wystarczającej ilości danych
• C) Wybór złego typu wykresu
• D) Nieanonimizacja danych

Wyjaśnienie: To, że dwie rzeczy działają razem (korelacja), nie oznacza, że jedna jest przyczyną drugiej (przyczynowość). Temperatura i sprzedaż przypadkowo poszły w tym samym kierunku; Najczęstszą przyczyną był ruch w weekendy. Zależności odkryte przez sztuczną inteligencję nie są dowodem, ale hipotezami do sprawdzenia.

5. Co znajduje się na szczycie struktury „piramidy” dobrego raportu zarządu?

• A) Surowe tabele danych
• B) Streszczenie ✔
• C) Dodatkowe dokumenty i przypisy
• D) Wszystkie dane z lat poprzednich

Wyjaśnienie: Dobry raport to piramida: na górze streszczenie (3-5 wypunktowań) zaprojektowane tak, aby najbardziej zapracowany czytelnik mógł je zrozumieć w 30 sekund; poniżej krytyczne ustalenia; Na dole znajduje się detal wspierający. Zatem najwyższy menedżer czyta tylko górę, a każdy, kto jest ciekawy, schodzi na dół.

6. Kiedy call center uznaje za KPI „liczbę odebranych połączeń dziennie”, przedstawiciele pośpieszają z odbieraniem połączeń i zmniejszają zadowolenie klientów. Jaką zasadę ilustruje ta sytuacja?

• A) Im więcej KPI, tym lepsze zarządzanie
• B) KPI nie mogą być stosowane w call center
• C) Szybkość zawsze jest ważniejsza niż jakość
• D) KPI, którym można manipulować, może zachęcać do niepożądanych zachowań, a nie do rezultatu, który ma mierzyć ✔

Wyjaśnienie: Kiedy wskaźnik staje się celem, ludzie znajdują sposoby, aby go oszukać (prawo Goodharta). „Liczbą połączeń” można łatwo manipulować i nie mierzy ona rzeczywistego wyniku (rozwiązania, satysfakcji). Zatem przed wybraniem KPI powinieneś zadać sobie pytanie: „do jakich niepożądanych zachowań zachęca?” należy zapytać.

7. Skąd bierze się zasada „najpierw upraszczaj proces, później automatyzuj” w automatyzacji procesów?

• A) Automatyzacja przyspiesza również awarie w uszkodzonym procesie; Najpierw należy skorygować proces ✔
• B) Uproszczenie uniemożliwia automatyzację
• C) Uproszczenie jest jedynie obowiązkiem prawnym
• D) Automatyzacja jest zawsze tańsza niż uproszczenie

Opis: Automatyzacja zwiększa szybkość procesu; Przyspiesza również wystąpienie błędu, jeśli proces jest uszkodzony. Kiedy zautomatyzowano proces składający się z 5 niepotrzebnych kroków w jednostce księgowej, niepotrzebne kroki po prostu działały szybciej. Najpierw należy proces uprościć, a potem przyspieszyć.

8. Jaki jest cel projektowania „human-in-the-loop” w automatycznych odpowiedziach dla klienta?

• A) Całkowite zatrzymanie automatyzacji
• B) Zwiększenie autorytetu decyzyjnego sztucznej inteligencji
• C) Zapobieganie ucieczce błędu za zgodą człowieka w punkcie krytycznym przy zachowaniu większości prędkości ✔
• D) Całkowite wyeliminowanie siły roboczej

Wyjaśnienie: Projektowanie oparte na działaniu człowieka to zatwierdzenie przez człowieka w krytycznym punkcie zautomatyzowanego procesu. Sztuczna inteligencja tworzy projekt, człowiek szybko go zatwierdza, a następnie wysyła. Zapobiega to natychmiastowemu wyeliminowaniu błędu przy jednoczesnym zachowaniu większości prędkości; Kiedy zespół usunął tę zgodę, do klienta dotarły nieprawidłowe informacje.

9. Produkcja w warsztacie meblowym jest powolna; Kierownik chce wymienić najdroższą maszynę (krojenie), ale analiza pokazuje, że wąskim gardłem jest etap barwienia-suszenia. Jaka jest podstawowa zasada analizy operacyjnej?

• A) Najdroższy krok należy zawsze ulepszyć
• B) Poprawa powinna być ukierunkowana na wąskie gardło, które spowalnia cały przepływ ✔
• C) Wszystkie kroki powinny być jednakowo przyspieszane
• D) Koncepcja wąskiego gardła obowiązuje tylko na liniach produkcyjnych

Objaśnienie: Szybkość procesu to prędkość jego najwolniejszego kroku (wąskiego gardła). Przyspieszanie działań poza wąskim gardłem jest stratą pieniędzy i wysiłku; Jedyne, co działa, to poszerzenie wąskiego gardła. Kiedy menadżer zamiast uboju zainwestował w drugi piec do suszenia, prędkość wzrosła o 28 procent.

10. Podczas zakupów menedżer wybiera najtańszego dostawcę surowców, ale ignoruje słabą niezawodność dostaw tego dostawcy; Dwa poważne opóźnienia wstrzymują produkcję. Jaka nauka płynie z tej sytuacji?

• A) Należy zawsze wybierać najdroższego dostawcę
• B) Niezawodność dostawy nie ma znaczenia
• C) Dostawcy nie należy oceniać w jednym wymiarze (tylko cena), ale w wielu wymiarach, w tym niezawodności i ryzyka ✔
• D) Decyzje dostawców należy pozostawić wyłącznie sztucznej inteligencji

Opis: Wybór dostawcy jest wielowymiarowy: cenę, jakość, czas dostawy, niezawodność, stabilność finansową i ryzyko należy oceniać łącznie. Samo patrzenie na cenę może prowadzić do strat wielokrotnie większych niż uzyskany rabat; utrata produkcji zniwelowała rabat.

11. Co najlepiej zrobić menedżer, zanim wyśle ​​gniewnego, ostrego e-maila do zespołu, który ciągle się spóźnia?

• A) Wysyłanie komunikatu takim, jaki jest, ponieważ emocje są prawdziwe
• B) Ukierunkowanie dźwięku na rozwiązanie za pomocą sztucznej inteligencji, a następnie przepuszczenie go przez filtr ludzki ✔
• C) Nie wysyłanie wiadomości w ogóle i ignorowanie problemu
• D) Wzmocnienie przekazu

Wyjaśnienie: Wiadomości pisane w gniewie nie powinny być wysyłane natychmiast. Powiedzenie sztucznej inteligencji „zmień ton na pełen szacunku i zorientowany na rozwiązania, zachowując te same oczekiwania i granice” zachowuje istotę przekazu, koryguje jego ton i zapobiega trudnym do odzyskania resentymentom; Dane wyjściowe są następnie filtrowane przez człowieka.

12. W podsumowaniu spotkania stwierdzono, że AI „zatwierdziła zwiększenie budżetu”; Na posiedzeniu powiedziano jednak, że „zwiększenie budżetu zostanie poddane ocenie”. Jaki jest właściwy sposób uniknięcia tego niebezpieczeństwa?

• A) Natychmiast rozpowszechnij podsumowanie, bez jego czytania
• B) Zweryfikuj podsumowanie, oddziel decyzję od możliwości i poproś o jej potwierdzenie przez uczestników ✔
• C) Nie sporządzanie w ogóle podsumowania spotkania
• D) Rozważanie jako decyzji wyłącznie najdłuższego wyroku

Opis: sztuczna inteligencja może błędnie przypisywać decyzje; Różnica między „do oceny” a „zatwierdzeniem” jest kluczowa. Podsumowanie spotkania jest często „oficjalną pamięcią”, dlatego każde podsumowanie należy przeczytać, odróżnić od decyzji i potwierdzić z uczestnikami przed rozesłaniem.

13. Jaki cel ma przy planowaniu scenariuszy ustalenie przynajmniej trzech scenariuszy (optymistyczny, podstawowy, pesymistyczny) zamiast wiązania przyszłości z jedną prognozą (np. „wzrośniemy o 15 procent”)?

• A) Sztuczna inteligencja potrafi precyzyjnie przewidzieć przyszłość
• B) Bez względu na to, w którą stronę pójdzie prawda, nie daj się zaskoczyć i zamiast paniki wprowadzaj plan w życie ✔
• C) Zbieraj mniej danych
• D) Wybór z góry jednej właściwej przyszłości

Wyjaśnienie: Rzeczywistość jest interwałem; Jeśli plan oparty na pojedynczym przypuszczeniu nie zostanie zrealizowany, upadnie. Przygotowanie z wyprzedzeniem reakcji na wiele scenariuszy gwarantuje możliwość wdrożenia planu zamiast paniki, niezależnie od tego, w którą stronę potoczy się rzeczywistość. Celem nie jest poznanie przyszłości, ale nie dać się złapać na nieprzygotowaniu.

14. Które z poniższych stwierdzeń dotyczących wykorzystania sztucznej inteligencji w zarządzaniu przedsiębiorstwem jest prawdziwe?

• A) Wyniki sztucznej inteligencji nie zastępują zgody kompetentnych ekspertów w przypadku decyzji mających konsekwencje finansowe, prawne i kadrowe ✔
• B) Jeżeli wyniki sztucznej inteligencji są prawidłowe, nie ma potrzeby zatwierdzania eksperta
• C) Do otwartych narzędzi można przekazać prawdziwe dane klienta, o ile wydają się one bezpieczne
• D) „AI tak powiedziała” jest właściwym uzasadnieniem odpowiedzialności

Ujawnianie informacji: wyniki sztucznej inteligencji nie zastępują zgody kompetentnych ekspertów w kluczowych obszarach, takich jak zgodność, finanse, zasoby prawne i ludzkie. Sztuczna inteligencja to asystent zwiększający prędkość; Za poufność danych, dokładność wyników i etykę decyzji zawsze odpowiada menedżer. Niezweryfikowany wynik jest tak samo ryzykowny jak decyzja bez podpisu.