突破业务流程自动化的极限

企业不能忽视其人力资本所代表的财富：那些具有独特能力、敢于和做梦、凭直觉并承担风险，最重要的是，认识到他们何时会走向灾难

去年夏天，人工智能史上出现了一个严峻的里程碑：自动驾驶汽车造成的首例死亡。一辆完全自动驾驶的特斯拉 Model S 在佛罗里达州的高速公路上撞上了一辆卡车的后部，造成人类“司机”死亡。

根据该公司的博客，这起悲惨事故的原因是人工智能无法识别“在明亮的天空下拖拉机拖车的白色一面”。正如特斯拉指出的那样，这是自动驾驶驾驶超过 1.3 亿英里中的第一起死亡事故，这还不到全球人类驾驶员死亡 6000 万英里死亡率的一半。

如果特斯拉和其他自动驾驶汽车制造商能够降低这一速度，那肯定会带来重大的安全改进。然而，这起事故的性质——几乎可以肯定，人类司机可以避免——引发了一个严重的问题，即人类应该向机器屈服于多少代理。

>另请参阅：大规模智能自动化的 5 个挑战

随着技术变得更加智能，将不可避免地需要做出导致人们死亡的决定。自动驾驶汽车和卡车等车辆必须经过编程才能做出道德决定，例如立即回答困扰伦理学家多年的“电车问题”。

并非所有关于 AI 和自动化的问题都关乎生死，但在我们确定这些技术会增加而不是减少我们的生活之前，需要回答一些重要的实际和伦理问题。

这是企业自身越来越认可的事实。 Infosys 的研究发现，超过一半 (53%) 的受访者认为道德问题阻碍了人工智能尽可能有效地发挥作用，而只有三分之一 (36%) 的受访者表示他们已经充分考虑了这些新技术的道德影响.

这些担忧的范围从这些技术对员工和客户隐私的影响，到对就业的影响（例如，通过大量裁员）。还有一些问题——在上面特斯拉的故事中得到了鲜明的强调——人工智能可以在多大程度上取代人类操作员。

被承诺的技术力量所诱惑，就像浪漫化人类大脑的独特能力一样容易。除非企业能够调和这两种截然不同的智能，否则它们不太可能充分发挥人类和技术互补所带来的好处。

>另请参阅：2018 年将是企业自动化年

人类面临的主要挑战之一是我们决定赋予机器多少自主权，以及在哪些情况下人工智能比人类思维更适用。

乍一看，技术能够处理庞大的数据集并利用自然语言处理来提供与客户的真实交互，这使得它们成为速度慢、成本高且容易出错的人类的完美替代品。

但这就是忽略技术本身与生俱来的缺陷，从微软的 Tay 聊天机器人（它很快学会了如何成为种族主义者），到无法区分天空和 20 吨快速移动的金属的自动驾驶汽车。

事实仍然是，机器仍然只能为我们提供洞察力，并且只有人类才有智慧将这种洞察力适当地应用于任何给定的业务或个人环境。如果人们的生活总是由理性的、经验性的考虑来支配，那么可能会有一种观点认为机器会尽可能地取代人类。

然而，众所周知，事实并非如此。 Infosys 是一家每天都会遇到这些问题的公司。它通过机器学习计划帮助大量企业，我们很快就明白了情境化的重要性。

在大多数情况下，仅仅处理数字是不够的。为了有效，它必须伴随着对公司文化和商业模式、其独特挑战和数据/报告结构的透彻了解。

>另请参阅：更多设备，更多问题？不是 IT 自动化

人类将继续在提出正确问题方面发挥重要作用；查询、解释和应用数据；并为机器制定正确的假设。

技术布道者经常忽略提及任何机器学习算法的准确率通常在第一次通过时为 60-70%——这之后必须进行微调和进一步的工作。

到目前为止，这听起来只是一个雇佣更多数据科学家的论据，而不是对人类工作者能力的赞歌。但是，看看上面提到的技术限制，看看这些限制如何应用于组织的其他领域，不应该有很大的想象力。

这些范围从树的最顶端到最初级的工人。询问任何成功的企业主，他们会告诉你在一定程度上基于直觉承担计算风险的重要性；他们将讨论横向思维对解决复杂业务问题的重要性；他们可能会强调他们最好的想法和灵感是如何从完全出乎意料的思维模式中激发出来的。

对于人力资源工作者而言，数据将为了解个人绩效和生产力提供重要信息；它可能不会告诉他们为什么他们表现不佳，或者最有同理心和最有效的方式来进行关于该员工如何改进的对话。

同样，客户服务人员将受益于访问他们调查投诉所需的所有数据，但仍需要培训、直觉和人性化以让客户满意的方式解决问题。

>另请参阅：自动化：网络必需品

事实是，数据只是人们可以用来改进工作方式的工具，无论是建立对冲基金还是与不满意的客户打交道。

企业不能忽视其人力资本所代表的财富：那些容易犯错的生物，它们具有敢于和梦想、直觉和承担风险的独特能力，最重要的是，能够识别他们何时会走向灾难。

来源：Jonathan Ebsworth，Infosys Consulting 颠覆性技术主管