2018年10月,路透社(Reuters)的一篇文章告知世界,亚马逊(Amazon)取消了一项基于人工智能(AI)的招聘申请,该申请结果证明对女性有偏见。关于这个故事的大多数标题都预示着公司未能为人力资源团队最重要的流程之一开发一个可操作的、公平的解决方案。

然而,今天的人工智能“失败”以及类似的例子忽视了解决整个业务流程自动化的困难。大多数新闻标题都没有承认基于人工智能技术的端到端流程自动化的复杂性。这种复杂性不仅源于当前的技术限制,还源于处理自动分析、决策和操作机器的公司政策、政府法规和法律系统的不成熟。

这并不是说,人工智能研究人员和一些商业供应商在将各种机器学习、深度学习和强化学习技术应用于图像、视频、音频、文本、语言和操作数据方面,没有取得令人印象深刻的成果。然而,大多数成功都是基于使用人工智能来自动化特定的低级任务。事实上,Amazon招聘应用程序的例子表明,它的人工智能开发人员非常成功地创建了一个应用程序,该应用程序可以读取大量文本,对其进行解释,并向人工招聘人员提供推荐。当我们将这些任务视为离散的任务时,我们有理由认为,亚马逊成功地使用人工智能实现了这些任务的自动化。人工智能被指责的失败之处在于,它将任务和活动串在一起,并根据当今的法规和社会规范约束,使整个流程自动化。

这个故事的另一个标题可能是“Amazon成功地将人类治理应用于基于人工智能的自动化演进”。亚马逊表示,这个基于人工智能的应用程序从未投入生产。有了这样一个程序,当人们看到机器的建议时,就可以不去执行它们。

在这个例子中有两个教训。首先是了解基于人工智能的自动化的范围。一台机器可以很好地应用人工智能来自动化一项任务,但在自动化更复杂的活动和更复杂的流程方面却失败了,更不用说在一个相关实体(如整个供应链或一个国家的多个城市)的系统内高度网络化的关系。第二,流程的自动化不会是立竿见影的,而是通过人与机器之间不断变化的关系水平来发展的——其间会有一系列的成功和失败。

正是这种理解可以帮助决策者过滤今天很多头条新闻的噪音,如2018世界经济论坛报告标题是:人工智能帮助拯救地球的8种方法。虽然它设定的目标宏伟,但并不能帮助业务和IT高管对AI做出投资决策。相反,IDC发现,许多决策者,要么对人工智能表现出非理性的乐观情绪,要么对他们近期应该向人工智能投入的资金水平以及实施人工智能所面临的任何挑战感到怀疑和恐惧。

为了帮助进行与基于人工智能的自动化相关的规划和投资决策,IDC开发了一个框架,允许在不同自动化范围的级别上评估人机关系及其应用。此外,我们还演示了如何将两个示例(一个来自医疗行业,另一个来自IT运营)映射到框架。我们相信该框架适用于任何垂直行业和水平功能的应用场景,IDC后续的研究将扩展此类应用场景的范围。

本文来源:IDC PERSPECTIVE

 

声明:本文来自CxO卓越圈,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如需转载,请联系原作者获取授权。