Quyền riêng tư, xác thực, đạo đức và quản trị dữ liệu

Lợi nhuận:

• Khả năng bảo vệ dữ liệu theo bốn lớp (phân loại, ẩn danh, lựa chọn phương tiện, dữ liệu tối thiểu) và thực hiện trách nhiệm KVKK
• Khả năng xác minh kết quả đầu ra theo mức độ rủi ro và lọc các đề xuất ảnh hưởng đến mọi người thông qua sự công bằng và thiên vị
• Khả năng thiết lập khung quản trị AI đơn giản và đảm bảo rằng đầu ra AI không thay thế sự chấp thuận của chuyên gia trong các quyết định tài chính/pháp lý/nhân sự/tuân thủ

Với tư cách là người quản lý, bạn đã học cách sử dụng AI trong mọi lĩnh vực kinh doanh của mình: báo cáo, KPI, tự động hóa, vận hành, mua sắm, giao tiếp, tóm tắt, kịch bản. Bây giờ chúng tôi đang thiết lập khuôn khổ để sử dụng quyền lực này một cách có trách nhiệm. Bởi vì khi AI được sử dụng không đúng cách, tốc độ và sự tiện lợi sẽ trở thành những rủi ro nghiêm trọng: danh sách khách hàng bị rò rỉ, quyết định dựa trên con số giả, đề xuất mang tính phân biệt đối xử, vi phạm KVKK. Bộ phận này là mạng lưới an toàn giữ toàn bộ mô-đun lại với nhau. Nguyên tắc chính trong một câu: AI là trợ lý; Tính bảo mật của dữ liệu, tính chính xác của đầu ra và tính đạo đức của quyết định luôn là trách nhiệm của người quản lý.

Quyền riêng tư dữ liệu: bốn lớp bảo vệ

Dữ liệu kinh doanh có giá trị và phần lớn được bảo mật. Bảo vệ quyền riêng tư trong bốn lớp. Lớp đầu tiên—phân loại: gắn nhãn mỗi phần dữ liệu là “sử dụng công khai/nội bộ/bí mật/cá nhân”. Dữ liệu bí mật và cá nhân đòi hỏi sự chú ý đặc biệt. Lớp thứ hai - ẩn danh: Dịch các thông tin nhận dạng như tên, ID, tên khách hàng, giá nhà cung cấp thành mã trước khi đưa cho AI (Nhân viên A, Khách hàng 1). Lớp thứ ba - lựa chọn công cụ: nếu có thể, hãy sử dụng các công cụ AI của công ty đã được công ty phê duyệt và không lưu trữ dữ liệu để đào tạo mô hình; Không cung cấp dữ liệu bí mật cho các công cụ miễn phí có sẵn công khai. Lớp thứ tư - dữ liệu tối thiểu: cung cấp dữ liệu tối thiểu cần thiết để thực hiện công việc, không còn nữa.

KVKK (Luật bảo vệ dữ liệu cá nhân) quy định việc xử lý dữ liệu cá nhân của nhân viên và khách hàng; Vi phạm mang lại cả trừng phạt pháp lý và mất danh tiếng. Dán danh sách khách hàng hoặc bảng lương vào hộp trò chuyện đang mở cũng giống như để một tập tin bị khóa trên đường phố.

Thận trọng: "Công cụ này có vẻ an toàn" không phải là sự đảm bảo. Trước khi cung cấp bất kỳ dữ liệu nào cho AI, hãy hỏi: “Điều gì sẽ gây hại cho công ty nếu thông tin này bị rò rỉ?” Nếu thiệt hại nghiêm trọng, hãy ẩn danh dữ liệu hoặc hoàn toàn không tiết lộ dữ liệu đó. Nếu nghi ngờ, đừng cho.

Xác thực: đầu ra không dấu không phải là một quyết định

Kỷ luật được lặp lại trong suốt mô-đun được tập hợp dưới một mái nhà ở đây. Xác thực từng đầu ra AI theo ba bước: nguồn (có phải là số từ dữ liệu tôi đã cung cấp không?), tính toán lại (kiểm tra số học), bộ lọc quản lý (nó có phù hợp với kiến ​​thức và lĩnh vực ngành của tôi không?). AI có thể tạo ra ảo giác - phát minh ra những con số, nguồn hoặc sự kiện không tồn tại bằng ngôn ngữ thuyết phục. Sự trôi chảy không phải là sự chính xác. Quyết định càng quan trọng thì việc xác minh càng chặt chẽ.

Xem xét rủi ro ở ba cấp độ. Các sản phẩm bàn giao có độ rủi ro thấp (phác thảo nội bộ, định dạng, tóm tắt): chỉ cần xem nhanh là đủ. Các sản phẩm có mức độ rủi ro trung bình (báo cáo cho ban quản lý, nhận xét KPI): mọi con số đều được xác thực. Sản phẩm có rủi ro cao (quyết định tài chính, hợp đồng, tài liệu tuân thủ, giao dịch nhân sự): AI chỉ tạo bản nháp; Việc đánh giá của chuyên gia có thẩm quyền, kiểm soát pháp lý/tài chính và chữ ký là bắt buộc. Trong những lĩnh vực này, kết quả đầu ra của AI không bao giờ có thể thay thế được sự phê duyệt của chuyên gia có thẩm quyền.

Đạo đức và thiên vị: nhanh chóng nhưng công bằng

AI học hỏi từ dữ liệu lịch sử; Nếu có thành kiến ​​trong quá khứ, AI sẽ lặp lại hoặc thậm chí củng cố nó. Một đề xuất tuyển dụng, thăng chức hoặc ưu tiên khách hàng có thể vô tình gây bất lợi cho một nhóm. Vì vậy, hãy đặt mọi đề xuất AI ảnh hưởng đến con người thông qua bộ lọc công bằng: "Đề xuất này có loại trừ một nhóm một cách không công bằng không? Lời biện minh đó có thể bào chữa được không?" Hỏi AI một cách rõ ràng "nhóm nào có thể bị thiệt thòi bởi đề xuất này?" hỏi.

Hai nguyên tắc đạo đức nữa: Minh bạch - Không che giấu kết quả đáng kể do AI tạo ra; Bạn sẽ có thể giải thích quyết định được đưa ra như thế nào. Trách nhiệm giải trình - “AI đã nói như vậy” không phải là một cái cớ. Trách nhiệm thuộc về người quản lý sử dụng công cụ. Khi AI mắc lỗi, bạn phải chịu trách nhiệm; vì vậy hãy sử dụng anh ta như một trợ lý được giám sát chứ không phải một người có thẩm quyền mù quáng.

Quản trị AI: một khuôn khổ thể chế

Thiện chí cá nhân thôi là chưa đủ; Thiết lập khung quản trị AI đơn giản cho doanh nghiệp: dữ liệu nào có thể được cung cấp cho công cụ nào, quyết định nào có thể được AI hỗ trợ, quyết định nào chỉ thuộc về chuyên gia, cách xác thực đầu ra, ai chịu trách nhiệm. Một chính sách đơn giản, bằng văn bản sẽ bảo vệ toàn bộ nhóm và ngăn chặn thảm họa ở đơn vị tiếp theo.

ba trường hợp nhỏ

Trường hợp 1 - Trở về từ bờ vực rò rỉ. Người quản lý bán hàng sẽ dán danh sách tên khách hàng thực và doanh thu vào một công cụ AI miễn phí. Hắn do dự một chút, hỏi: "Nếu chuyện này bị lộ ra thì sao?" anh ta hỏi, mã hóa tên khách hàng và chuyển doanh thu thành băng. Phân tích được đưa ra với chất lượng như nhau; không có dữ liệu thực sự đi ra ngoài. Một thói quen nhỏ đã ngăn chặn được rủi ro KVKK lớn.

Trường hợp 2 - Chi phí của số trang điểm. Một giám đốc tài chính đã trình bày con số "trung bình ngành là 23%" do YZ đưa ra cho hội đồng quản trị mà không xác minh. Con số đã được tạo thành; AI đã đưa ra một con số không có nguồn một cách thuyết phục. Một cuộc tranh cãi đầu tư dựa trên con số sai đã xảy ra sau đó và phải mất thời gian để đảo ngược. Bài học: không phải mọi số được cho là đến từ bên ngoài đều có thể được sử dụng mà không cần kết nối với nguồn thực.

Trường hợp 3 - Nắm bắt được khuyến nghị thiên vị. Một giám đốc nhân sự đã yêu cầu AI xếp hạng ứng viên. AI sẽ đánh dấu những sinh viên tốt nghiệp từ một trường cụ thể dựa trên dữ liệu lịch sử. Người quản lý hỏi “đề xuất này loại trừ những nhóm nào?” anh ấy hỏi; Ông phát hiện ra rằng AI lặp lại thành kiến ​​trong quá khứ. Ông chỉ xếp hạng dựa trên các tiêu chí liên quan đến công việc, có thể bảo vệ được và để ủy ban nhân dân đưa ra quyết định cuối cùng.

Bốn mẫu có thể sao chép

1) Kiểm tra quyền riêng tư dữ liệu:

Vai trò của bạn: cố vấn về quyền riêng tư dữ liệu. Tôi sẽ cung cấp cho bạn một bộ dữ liệu trong giây lát. Đầu tiên, liệt kê các trường cá nhân/bí mật (tên, ID, khách hàng, giá cả, mức lương) và đề xuất cách ẩn danh từng trường. Viết ngắn gọn những rủi ro khi cung cấp dữ liệu này cho AI dưới dạng KVKK. Chưa phân tích nữa.

2) Danh sách kiểm tra xác minh:

Tôi cần xác minh đầu ra AI sau đây trước khi trình bày với ban quản lý. Liệt kê từng khẳng định bằng số và khẳng định nguồn bên ngoài trong đầu ra. Đối với mỗi người, hãy hỏi "nguồn dữ liệu tôi đã cung cấp hay đó là thông tin mà AI có thể đã tự tạo ra/chế tạo?" Thu thập những nguồn không xác định dưới tiêu đề 'XÁC MINH'.

3) Bộ lọc đạo đức/công lý:

Đề xuất AI sau đây ảnh hưởng đến mọi người: [đề xuất]. Đề xuất này có thể gây bất lợi cho những nhóm nào? Khuyến nghị có thể bị sai lệch bởi dữ liệu lịch sử? Tôi nên thay đổi điều gì để đưa ra quyết định chỉ dựa trên các tiêu chí có thể bảo vệ, liên quan đến kinh doanh? Hãy trung thực, đừng bảo vệ lời đề nghị.

4) Phân loại rủi ro sử dụng AI:

Tôi sẽ thực hiện nhiệm vụ sau với AI: [task]. Đặt nó ở mức độ rủi ro: thấp (dự thảo nội bộ), trung bình (gửi cho quản lý), cao (hậu quả tài chính/pháp lý/nhân sự). Hãy cho tôi biết những bước xác minh và phê duyệt nào được yêu cầu dựa trên mức độ rủi ro. Nếu có rủi ro cao, hãy nhớ rằng sự chấp thuận của chuyên gia là bắt buộc.

Dấu nhắc yếu / Dấu nhắc mạnh

Dấu nhắc yếu:

Hãy cho tôi một phân tích với dữ liệu khách hàng này. [dữ liệu có tên thật]

Cung cấp dữ liệu cá nhân thực sự cho công cụ mở; Nó có nguy cơ vi phạm và rò rỉ KVKK. Cũng không có kế hoạch để xác nhận đầu ra.

Lời nhắc mạnh mẽ:

Vai trò của bạn: nhà phân tích. Trong dữ liệu tôi cung cấp cho bạn, tất cả tên đều được mã hóa (Khách hàng 1-50) và số tiền được chuyển thành băng. Thực hiện phân tích phân khúc với dữ liệu ẩn danh này. Chỉ sử dụng số tôi đưa ra, không thêm số khu vực bên ngoài; Nếu bổ sung thì vui lòng ghi rõ nguồn để mình kiểm chứng.

Kích thước

cách tiếp cận kém

Cách tiếp cận mạnh mẽ

dữ liệu

tên thật

vô danh

rủi ro KVKK

cao

thấp

kiểm soát nguồn

không có

bắt buộc

Khả năng kiểm chứng

thấp

cao

Trách nhiệm

không chắc chắn

làm rõ

Những lỗi thường gặp

• Cung cấp dữ liệu cá nhân/bí mật thực sự cho công cụ mở. Phân loại và ẩn danh đầu tiên.
• Không xác minh khiếu nại nguồn bên ngoài. AI có thể tạo nên những con số như “trung bình ngành”; kết nối với nguồn.
• Bỏ qua định kiến. Đưa ra những đề xuất có tác động đến mọi người thông qua bộ lọc công bằng.
• Cái cớ "AI đã nói vậy". Trách nhiệm thuộc về người dùng; Chịu trách nhiệm giải trình.
• Bỏ qua sự chấp thuận của chuyên gia đối với quyết định có rủi ro cao. Kết quả đầu ra về tài chính/pháp lý/nhân sự/tuân thủ cần có sự phê duyệt của chuyên gia.

Thận trọng: Câu quan trọng nhất của mô-đun này: Đầu ra AI trong các lĩnh vực quan trọng như tuân thủ, tài chính, pháp lý và nhân sự KHÔNG thể thay thế cho sự phê duyệt của chuyên gia có thẩm quyền. AI tăng tốc độ của bạn, nó không sa thải chuyên gia của bạn. Đầu ra AI chưa được xác minh cũng có rủi ro như một quyết định chưa được ký.

Tóm lại

Việc sử dụng AI có trách nhiệm dựa trên ba trụ cột: quyền riêng tư, xác thực và đạo đức. Bảo vệ dữ liệu theo bốn lớp (phân loại, ẩn danh, lựa chọn công cụ, dữ liệu tối thiểu) và ghi nhớ trách nhiệm KVKK. Xác thực từng đầu ra bằng liên kết nguồn, tính toán lại và lọc quản trị; Tăng cường sự siêng năng dựa trên mức độ rủi ro. Đưa ra các đề xuất có tác động đến mọi người thông qua bộ lọc công bằng và duy trì tính minh bạch cũng như trách nhiệm giải trình. Một khung quản trị AI đơn giản bảo vệ toàn bộ nhóm. Và luôn luôn: trong các lĩnh vực có rủi ro cao, gây hậu quả, AI không thể thay thế cho sự chấp thuận của chuyên gia có thẩm quyền.

Nhiệm vụ ứng dụng

Viết bản nháp dài nửa trang về "Hướng dẫn sử dụng AI" cho doanh nghiệp của bạn. Bao gồm: dữ liệu nào có thể được cung cấp cho công cụ nào, dữ liệu sẽ được ẩn danh như thế nào, kết quả đầu ra nào cần được xác thực, quyết định nào chỉ thuộc về chuyên gia và ai chịu trách nhiệm. Sử dụng mẫu “phân loại rủi ro khi sử dụng AI” ở trên, đặt 5 nhiệm vụ bạn đã thực hiện với AI trong tuần trước vào mức độ rủi ro và viết bước xác minh chính xác cho từng nhiệm vụ.

danh sách kiểm tra

• [ ] Tôi đã phân loại và ẩn danh dữ liệu chưa?
• [ ] Tôi có sử dụng công cụ bảo mật/được công ty phê duyệt và dữ liệu tối thiểu không?
• [ ] Tôi đã xác thực từng đầu ra theo mức độ rủi ro chưa?
• [ ] Tôi đã sàng lọc những đề xuất có tác động đến mọi người một cách công bằng chưa?
• [ ] Tôi có yêu cầu sự chấp thuận của chuyên gia đối với các quyết định có rủi ro cao không?

Thi học phần

1. Người quản lý nên đặt câu hỏi gì để xác định mức độ công việc (cơ học/phân tích/quyết định) và mức độ nghiêm ngặt của quá trình xác minh trước khi giao công việc cho AI?

• A) Kết quả sẽ như thế nào nếu kết quả này sai? ✔
• B) Trí tuệ nhân tạo có thể hoàn thành công việc này càng nhanh càng tốt không?
• C) Công cụ này có miễn phí không?
• D) Công việc này đã từng được thực hiện trước đây chưa?

Mô tả: Cơ sở sử dụng đúng là phân loại công việc theo mức độ rủi ro. 'Hậu quả sẽ ra sao nếu kết quả đầu ra này không chính xác?' Câu hỏi xác định liệu công việc đó là một quyết định máy móc, phân tích hay có trách nhiệm và do đó cần phải xác minh bao nhiêu.

2. Con số 'trung bình ngành là 23%' do trí tuệ nhân tạo đưa ra được trình lên ban giám đốc mà không cần xác minh và hóa ra con số này là bịa đặt. Kỷ luật cơ bản nào đã bị bỏ qua trong trường hợp này?

• A) Quy định chỉ sử dụng trí tuệ nhân tạo vào buổi sáng
• B) Kỷ luật xác minh đầu ra bằng cách kết nối với nguồn ✔
• C) Chuyển báo cáo sang bảng màu
• D) Viết một lời nhắc dài hơn

Giải thích: Trí tuệ nhân tạo đôi khi tạo ra một con số không tồn tại bằng ngôn ngữ thuyết phục (ảo giác). Bước kết nối đầu ra với nguồn sẽ kiểm tra xem mỗi số có đến từ một nguồn thực hay có thể được tạo ra. Khi điều này bị bỏ qua, có nguy cơ đưa ra những quyết định sai lầm.

3. Trong khi tổng doanh thu của một công ty thương mại điện tử có vẻ ổn định, việc phân tích phân khúc cho thấy danh mục có lợi nhuận cao giảm 22% và doanh số bán hàng có lợi nhuận thấp che giấu điều này. Ví dụ này minh họa nguyên tắc gì?

• A) Tổng số luôn là chỉ số đáng tin cậy nhất
• B) Khả năng sinh lời không quan trọng, chỉ có doanh thu mới quan trọng
• C) Tổng số có thể che giấu sự đảo ngược; Phân tích phân khúc tiết lộ sự thật ✔
• D) Phân tích phân khúc chỉ có giá trị đối với các công ty lớn

Giải thích: Tổng số có thể che giấu sự đảo ngược nội bộ. Nhìn vào sự phân tích (phân tích từng phần) chứ không phải tổng thể trong công tác hỗ trợ ra quyết định mới thấy được sự thật; Các biến thể lớn có thể bị ẩn dưới một tổng cố định.

4. Một người quản lý quán cà phê giải thích phát hiện rằng 'doanh số bán hàng cuối tuần thay đổi theo nhiệt độ' là 'thời tiết nóng làm tăng doanh số bán hàng' và tắt điều hòa; Tuy nhiên, lý do thực sự là lượng khách hàng tăng lên vào cuối tuần. Lỗi này là gì?

• A) Nhầm lẫn mối tương quan với quan hệ nhân quả ✔
• B) Không thu thập đủ dữ liệu
• C) Chọn sai loại biểu đồ
• D) Không ẩn danh dữ liệu

Giải thích: Chỉ vì hai sự việc cùng hành động (tương quan) không có nghĩa là cái này gây ra cái kia (nhân quả). Nhiệt độ và doanh số bán hàng tình cờ di chuyển theo cùng một hướng; Lý do phổ biến là giao thông cuối tuần. Các mối quan hệ được trí tuệ nhân tạo tìm thấy không phải là bằng chứng mà là những giả thuyết cần được kiểm tra.

5. Phần trên cùng của cấu trúc “kim tự tháp” của một báo cáo quản lý tốt là gì?

• A) Bảng dữ liệu thô
• B) Tóm tắt điều hành ✔
• C) Tài liệu bổ sung và chú thích
• D) Tất cả số liệu từ những năm trước

Giải thích: Một báo cáo tốt là một kim tự tháp: ở trên cùng là phần tóm tắt điều hành (3-5 gạch đầu dòng) được thiết kế để người đọc bận rộn nhất có thể hiểu trong 30 giây; những phát hiện quan trọng dưới đây; Ở phía dưới là chi tiết hỗ trợ. Vì vậy, người quản lý cấp cao chỉ đọc phần trên, còn ai tò mò thì xuống.

6. Khi trung tâm cuộc gọi đặt 'số lượng cuộc gọi được trả lời mỗi ngày' làm KPI, người đại diện sẽ vội vàng thực hiện các cuộc gọi và làm giảm sự hài lòng của khách hàng. Tình huống này minh họa cho nguyên tắc nào?

• A) Càng nhiều KPI thì quản lý càng tốt
• B) KPI không thể được sử dụng trong các trung tâm cuộc gọi
• C) Tốc độ luôn đi trước chất lượng
• D) Một KPI có thể bị thao túng có thể khuyến khích hành vi bất lợi hơn là kết quả mà nó dự định đo lường ✔

Giải thích: Khi một chỉ báo trở thành mục tiêu, người ta sẽ tìm cách đánh lừa nó (Định luật Goodhart). 'Số cuộc gọi' dễ bị thao túng và không đo lường được kết quả thực tế (độ phân giải, sự hài lòng). Vì vậy, trước khi chọn KPI, bạn nên hỏi 'nó khuyến khích hành vi bất lợi nào?' nên được hỏi.

7. Nguyên nhân của quy tắc “đơn giản hóa quy trình trước, tự động hóa sau” trong tự động hóa quy trình là gì?

• A) Tự động hóa cũng làm tăng tốc độ sai sót trong một quy trình bị hỏng; Quá trình phải được sửa chữa trước ✔
• B) Đơn giản hóa làm cho việc tự động hóa không thể thực hiện được
• C) Đơn giản hóa chỉ là nghĩa vụ pháp lý
• D) Tự động hóa luôn rẻ hơn đơn giản hóa

Mô tả: Tự động hóa tăng tốc độ của quá trình; Nó cũng làm tăng tốc độ lỗi nếu quá trình bị hỏng. Khi quy trình 5 bước không cần thiết trong đơn vị kế toán được tự động hóa, các bước không cần thiết sẽ hoạt động nhanh hơn. Đầu tiên, quá trình này nên được đơn giản hóa, sau đó được tăng tốc.

8. Mục đích của thiết kế 'con người trong vòng lặp' trong phản hồi tự động cho khách hàng là gì?

• A) Dừng hoàn toàn tự động hóa
• B) Tăng thẩm quyền quyết định của trí tuệ nhân tạo
• C) Ngăn chặn lỗi thoát ra với sự chấp thuận của con người tại điểm tới hạn trong khi vẫn duy trì hầu hết tốc độ ✔
• D) Loại bỏ hoàn toàn lực lượng lao động của con người

Giải thích: Thiết kế con người trong vòng lặp là sự phê duyệt của con người tại điểm quan trọng của quy trình tự động. AI tạo ra bản nháp, con người nhanh chóng phê duyệt rồi gửi đi. Điều này ngăn không cho lỗi thoát ra ngoài trong khi vẫn duy trì phần lớn tốc độ; Khi một nhóm xóa phê duyệt này, thông tin không chính xác đã đến tay khách hàng.

9. Xưởng sản xuất đồ nội thất chậm tiến độ; Người quản lý muốn thay thế chiếc máy đắt tiền nhất (cắt), nhưng phân tích cho thấy điểm nghẽn nằm ở khâu nhuộm-sấy. Nguyên tắc cơ bản của phân tích hoạt động là gì?

• A) Bước tốn kém nhất phải luôn được cải thiện
• B) Cải tiến nên nhắm mục tiêu vào nút cổ chai làm chậm toàn bộ quy trình ✔
• C) Tất cả các bước nên được tăng tốc như nhau
• D) Khái niệm nút cổ chai chỉ áp dụng trên dây chuyền sản xuất

Giải thích: Tốc độ của một quá trình là tốc độ của bước chậm nhất (nút cổ chai). Đẩy nhanh các bước ra ngoài nút thắt là lãng phí tiền bạc và công sức; Điều duy nhất có hiệu quả là mở rộng nút cổ chai. Khi người quản lý đầu tư thêm lò sấy thứ hai thay vì giết mổ, tốc độ tăng thêm 28%.

10. Khi mua hàng, người quản lý chuyển sang nhà cung cấp nguyên liệu thô rẻ nhất nhưng bỏ qua độ tin cậy giao hàng kém của nhà cung cấp đó; Hai sự chậm trễ lớn là tạm dừng sản xuất. Bài học từ tình huống này là gì?

• A) Nhà cung cấp đắt nhất phải luôn được chọn
• B) Độ tin cậy giao hàng không liên quan
• C) Nhà cung cấp không nên được đánh giá theo một chiều (chỉ giá) mà nên đánh giá theo nhiều chiều, bao gồm độ tin cậy và rủi ro ✔
• D) Các quyết định của nhà cung cấp chỉ nên được giao cho trí tuệ nhân tạo

Mô tả: Việc lựa chọn nhà cung cấp mang tính đa chiều: giá cả, chất lượng, thời gian giao hàng, độ tin cậy, sự lành mạnh về tài chính và rủi ro phải được đánh giá cùng nhau. Chỉ cần nhìn vào giá có thể dẫn đến tổn thất lớn gấp nhiều lần số tiền chiết khấu kiếm được; sản xuất bị mất đã xóa bỏ giảm giá.

11. Điều tốt nhất mà người quản lý nên làm trước khi gửi một email giận dữ, gay gắt cho một nhóm thường xuyên đến muộn là gì?

• A) Gửi tin nhắn như cũ, vì cảm xúc là có thật
• B) Tạo âm thanh theo định hướng giải pháp bằng trí tuệ nhân tạo và sau đó chuyển qua bộ lọc của con người ✔
• C) Không gửi tin nhắn nào cả và bỏ qua vấn đề
• D) Làm cho thông điệp mạnh mẽ hơn

Giải thích: Tin nhắn viết khi đang tức giận không nên gửi ngay. Yêu cầu trí tuệ nhân tạo 'thay đổi giọng điệu sang giọng điệu tôn trọng và hướng đến giải pháp trong khi vẫn duy trì những kỳ vọng và ranh giới giống nhau' sẽ bảo tồn bản chất của thông điệp, điều chỉnh giọng điệu của nó và ngăn chặn những phẫn uất khó phục hồi; Đầu ra sau đó được lọc bởi con người.

12. Tóm tắt cuộc họp cho biết AI 'tăng ngân sách đã được phê duyệt'; Tuy nhiên, tại cuộc họp đã nói rằng 'việc tăng ngân sách sẽ được đánh giá'. Cách đúng đắn để tránh mối nguy hiểm này là gì?

• A) Phát bản tóm tắt ngay mà không cần đọc
• B) Xác minh bản tóm tắt, tách quyết định khỏi khả năng và được những người tham gia xác nhận ✔
• C) Không hề tóm tắt cuộc họp
• D) Chỉ coi câu dài nhất là quyết định

Mô tả: AI có thể phân bổ sai các quyết định; Sự khác biệt giữa 'được đánh giá' và 'được phê duyệt' là rất quan trọng. Bản tóm tắt cuộc họp thường là “bộ nhớ chính thức”, vì vậy mỗi bản tóm tắt cần được đọc, phân biệt với quyết định và xác nhận với những người tham gia trước khi phân phát.

13. Trong việc lập kế hoạch kịch bản, mục đích của việc thiết lập ít nhất ba kịch bản (lạc quan, cơ bản, bi quan) thay vì buộc tương lai vào một dự đoán duy nhất là gì (ví dụ: 'chúng ta sẽ tăng trưởng 15%)?

• A) Trí tuệ nhân tạo có thể dự đoán chính xác tương lai
• B) Dù sự thật có diễn ra theo hướng nào, cũng đừng mất cảnh giác và bắt tay vào thực hiện kế hoạch thay vì hoảng sợ ✔
• C) Thu thập ít dữ liệu hơn
• D) Chọn trước một tương lai chính xác

Giải thích: Hiện thực là một khoảng; Nếu kế hoạch dựa trên một lần phỏng đoán không được thực hiện, nó sẽ sụp đổ. Việc chuẩn bị trước các phản ứng cho nhiều tình huống sẽ đảm bảo rằng bạn có thể triển khai kế hoạch thay vì hoảng sợ, bất kể thực tế diễn biến như thế nào. Mục đích không phải là để biết trước tương lai, mà là để không bị mắc kẹt trong tình trạng chưa chuẩn bị.

14. Điều nào sau đây đúng về việc sử dụng trí tuệ nhân tạo trong quản lý doanh nghiệp?

• A) Đầu ra trí tuệ nhân tạo không thay thế sự chấp thuận của chuyên gia có thẩm quyền trong các quyết định có hậu quả về tài chính, pháp lý và nhân sự ✔
• B) Nếu kết quả đầu ra của trí tuệ nhân tạo là chính xác thì không cần phải có sự chấp thuận của chuyên gia
• C) Dữ liệu khách hàng thực có thể được cung cấp cho các công cụ mở miễn là nó có vẻ an toàn
• D) 'AI đã nói như vậy' là lời biện minh hợp lý cho trách nhiệm giải trình

Tiết lộ: Kết quả đầu ra của AI không thể thay thế cho sự chấp thuận của chuyên gia có thẩm quyền trong các lĩnh vực quan trọng như tuân thủ, tài chính, pháp lý và nhân sự. Trí tuệ nhân tạo là trợ thủ tăng tốc; Tính bảo mật của dữ liệu, tính chính xác của đầu ra và tính đạo đức của quyết định luôn là trách nhiệm của người quản lý. Một đầu ra chưa được xác minh cũng có rủi ro như một quyết định chưa được ký.