Εκτιμώμενος χρόνος ανάγνωσης: 4 πρακτικά
Πάντα πιστε Πού πιστεύει ο οργανισμός ότι θα καταλήξουν το 2025; Είναι πολύ νωρίς για να το πεις; Και τι σημαίνει αυτό για το 2026; Δεν είναι μια γρήγορη ή εύκολη συζήτηση, ακόμη και όταν τα πράγματα πάνε καλά.
Μία από τις συνομιλίες που μπορούσα να δω οργανώσεις που αφιερώνουν πολύ χρόνο είναι η τεχνητή νοημοσύνη (AI). Είδα μια συζήτηση πρόσφατα στο LinkedIn σχετικά με τους μεγαλύτερους επαγγελματίες της μάθησης και της ανάπτυξης του Gap Gap (L & D) σχετικά με το AI. Περιλάμβανε μερικά από τα πράγματα που θα περίμενε κανείς να αναπτύξει μια στρατηγική, έχοντας στόχους AI, καθώς και μια εσωτερική πολιτική. Όλα τα πράγματα που έχουμε συζητήσει εδώ στο HR Bartender. Στην πραγματικότητα, εδώ είναι σύνδεσμοι σε μερικά από αυτά τα άρθρα, αν θέλετε να τα ελέγξετε.
Τεχνητή νοημοσύνη και αυτοματοποίηση: Γνωρίστε τις διαφορές και τις ομοιότητες
Οι οργανισμοί πρέπει να προσδιορίσουν τους στόχους τεχνητής νοημοσύνης τους
10 πράγματα που πρέπει να συμπεριλάβετε στην πολιτική τεχνητής νοημοσύνης σας
Πώς να βρείτε το σωστό εργαλείο τεχνητής νοημοσύνης για το HR
Αλλά πίσω στη συζήτηση για το AI και το μέλλον. Νομίζω ότι υπάρχουν μερικά πράγματα που σχετίζονται με τη μάθηση και την τεχνητή νοημοσύνη που πρέπει να προχωρήσουν στον κατάλογο προτεραιότητας.
Πρώτον, οι ηγέτες των επιχειρήσεων πρέπει να κατανοήσουν ρεαλιστικά τι μπορεί να κάνει ο AI γι ‘αυτούς. Η λέξη κλειδί εδώ είναιεν τη πραγματικοτήτι. Πιστεύω ότι υπάρχουν ηγέτες που αγοράζουν εργαλεία AI και στη συνέχεια υπολογίζουν ότι μπορούν να εξαλείψουν ένα σημαντικό μέρος του εργατικού τους δυναμικού, η AI θα χειριστεί τα πάντα και τα κέρδη θα αυξηθούν.
Προσωπικά, πιστεύω ότι τα εργαλεία AI ενδέχεται να αναλάβουν ορισμένα καθήκοντα που γίνονται επί του παρόντος από τον άνθρωπο; Ναι, είμαι βέβαιος ότι θα συμβεί … τελικά. Αλλά δεν πιστεύω ότι είμαστε εντελώς εκεί ακόμα. Νομίζω ότι χρειάζεται χρόνος για να μάθει το AI … όπως και είναι χρόνος για να μάθουν οι άνθρωποι. Και το AI μπορεί να κάνει κάποια λάθη ενώ μαθαίνει … όπως και οι άνθρωποι κάνουν μερικές φορές λάθη ενώ μαθαίνουν.
Έτσι, η AI αναλαμβάνει ευθύνες είναι μια διαδικασία που απαιτεί χρόνο. Ενώ αυτό συμβαίνει,Οι υπάλληλοι του οργανισμού θα είναι ιδιαίτερα πολύτιμοι. Επειδή θα παρακολουθούν τι συμβαίνει για να εξασφαλίσουν ότι τα καθήκοντα έχουν ολοκληρωθεί σωστά, εγκαίρως και στο πρότυπο ποιότητας της εταιρείας.
Αυτό με οδηγεί σε ένα δεύτερο σημείο. Οι οργανισμοί πρέπει να βοηθήσουν τους υπαλλήλους να μάθουν πώς να χρησιμοποιούν το AI και να έχουν τα επιθυμητά αποτελέσματα.Ονομάζεται άμεση μηχανική. Βασικά, ξέρει πώς να ρωτήσετε τις καλές ερωτήσεις του AI, ώστε να έχετε καλές απαντήσεις. Για παράδειγμα, εάν έχετε μια συσκευή στο σπίτι που μιλάτε για το Siri ή την Alexa, πρέπει να μάθετε πώς να το κάνετε τις σωστές ερωτήσεις. Εάν δεν το κάνετε, ίσως να μην λάβετε ακριβή απάντηση.
Έχω την τάση να σκέφτομαι το AI σαν νέος υπάλληλος. Πρέπει να μάθουν για τον οργανισμό και το αντίστροφο. Αυτό σημαίνει – επιστρέφοντας στην αρχική ερώτηση σχετικά με τη μεγαλύτερη πρόκληση της L & D σχετικά με το AI – παίρνει όλοι εκπαιδευμένοι με τον καλύτερο τρόπο για να προσανατολιστούν ο οργανισμός σε αυτό το νέο εργαλείο. Οι εργαζόμενοι σε κάθε επίπεδο πρέπει να καταλάβουν τι είναι ικανό το AI τώρα και τι θα μπορεί να κάνει στο μέλλον (μετά από κάποια μάθηση). Και όλοι πρέπει να γνωρίζουν πώς να αλληλεπιδρούν αποτελεσματικά με το AIΓια να αξιοποιήσετε στο έπακρο την επένδυση.
Η τεχνητή νοημοσύνη είναι συναρπαστική. Οι δυνατότητές του φαίνεται να είναι ατελείωτες. Δεν μπορώ να περιμένω να δω τι μπορεί να παράγει το AI. Αλλά αυτό σημαίνει επίσης ότι πρέπει να μάθω πώς να το χρησιμοποιήσω σωστά, ηθικά και υπεύθυνα.
Εικόνα που καταγράφηκε από τον Sharlyn Lauby ενώ εξερευνά την ακτή του Μαϊάμι, FL
Η ανάρτηση γεφυρώνοντας το χάσμα γνώσης τεχνητής νοημοσύνης εμφανίστηκε πρώτα στον μπάρμαν.
