비즈니스 프로세스에서 자동화의 한계에 도전

기업은 인적 자본으로 대표되는 부를 무시할 수 없습니다. 꿈꾸고, 직관하고, 위험을 감수하고, 무엇보다도 언제 재앙을 향해 가고 있는지 인식하는 것

지난 여름은 인공 지능 역사에서 암울한 이정표를 보았습니다. 자율 주행 차량으로 인한 첫 번째 사망이었습니다. 완전 자동 조종 장치로 작동하는 Tesla Model S가 플로리다 고속도로에서 트럭 뒤쪽에 충돌하여 인간 "운전자"가 사망했습니다.

회사 블로그에 따르면 이 비극적인 사고의 원인은 AI가 "밝은 하늘을 배경으로 트랙터 트레일러의 흰색 면"을 찾아내지 못했기 때문입니다. Tesla가 지적한 바와 같이 이것은 자동 조종 장치로 운전한 1억 3천만 마일 이상에서 처음으로 사망한 사건으로, 이는 전 세계적으로 인간 운전자의 사망당 6천만 마일 비율의 절반에도 못 미치는 수치입니다.

Tesla 및 기타 자율 주행 자동차 제조업체가 이 속도를 낮출 수 있다면 확실히 안전이 크게 향상될 것입니다. 그러나 이 사고의 성격(인간 운전자라면 거의 확실하게 피할 수 있는 사고)은 인간이 기계에 얼마나 많은 선택권을 부여해야 하는지에 대한 심각한 질문을 제기합니다.

>참고 항목: 대규모 지능형 자동화의 과제

기술이 더욱 지능화됨에 따라 필연적으로 사람들의 죽음을 초래하는 결정을 내려야 할 것입니다. 자율주행차 및 트럭과 같은 차량은 수년 동안 윤리학자들을 혼란스럽게 만든 "트롤리 문제"에 즉시 답하는 것과 같은 도덕적 결정을 내리도록 프로그래밍해야 합니다.

AI와 자동화에 대한 모든 질문이 삶과 죽음의 문제가 되는 것은 아니지만, 이러한 기술이 우리의 삶을 감소시키기보다는 증대시킬 것이라고 확신하기 전에 대답해야 할 중요하고 실용적이고 윤리적인 질문이 있습니다.

이것은 기업 스스로가 점점 더 인식하고 있는 사실입니다. Infosys의 연구에 따르면 응답자의 절반 이상(53%)이 윤리적 질문으로 인해 AI가 가능한 한 효과적이지 않다고 생각하는 반면, 3분의 1(36%)만이 이러한 신기술의 윤리적 의미를 충분히 고려했다고 말합니다. .

이러한 우려 사항은 이러한 기술이 직원 및 고객 개인 정보 보호에 미치는 영향부터 고용에 대한 영향(예:인력을 중복으로 만드는 등)에 이르기까지 다양합니다. 또한 인공 지능이 인간 요원을 어디까지 대체할 수 있는지에 대한 질문이 있습니다(위의 Tesla 이야기에서 뚜렷하게 강조 표시됨).

인간 두뇌의 고유한 능력을 낭만화하는 것만큼이나 약속된 기술의 힘에 현혹되기 쉽습니다. 기업이 이 두 가지 매우 다른 인텔리전스를 조화시킬 수 없다면 인간과 기술이 서로를 보완함으로써 얻을 수 있는 모든 이점을 누릴 수 없을 것입니다.

>참조: 2018년은 기업 자동화의 해가 될 것입니다.

인류가 직면한 주요 과제 중 하나는 우리가 기계에 어느 정도의 자율성을 부여하기로 결정하고 어떤 상황에서 인간의 마음보다 인공 지능이 더 잘 적용되는지입니다.

언뜻 보기에 방대한 데이터 세트를 처리하고 자연어 처리를 활용하여 고객과 현실적인 상호 작용을 제공하는 기술의 능력은 느리고 비용이 많이 들고 오류가 발생하기 쉬운 인간을 완벽하게 대체합니다.

하지만 그것은 인종차별을 금세 배운 마이크로소프트의 테이 챗봇부터 하늘과 20톤의 빠르게 움직이는 금속을 구별하지 못하는 자율주행차에 이르기까지 기술 자체의 타고난 오류를 무시하는 것입니다.

기계는 여전히 우리에게 통찰력을 제공할 수 있을 뿐이며 주어진 비즈니스 또는 개인 상황에 이 통찰력을 적절하게 적용할 수 있는 지혜는 사람에게만 있다는 사실이 남아 있습니다. 사람들의 삶이 항상 합리적이고 경험적인 고려 사항에 의해 좌우된다면, 가능한 한 기계가 인간을 대체해야 한다는 주장이 있을 수 있습니다.

그러나 우리 모두 알고 있듯이 이것은 사실이 아닙니다. Infosys는 매일 이러한 질문에 부딪히는 회사입니다. 이는 머신 러닝 이니셔티브를 통해 많은 기업에 도움이 되며, 상황화의 중요성이 빠르게 명확해졌습니다.

대부분의 경우 숫자를 계산하는 것만으로는 충분하지 않습니다. 효과적이려면 회사의 문화와 비즈니스 모델, 고유한 과제 및 데이터/보고 구조에 대한 철저한 이해가 수반되어야 합니다.

>참고: 더 많은 기기, 더 많은 문제가 있습니까? IT 자동화를 사용하지 않음

인간은 올바른 질문을 하는 데 중요한 역할을 계속 수행할 것입니다. 데이터에 대한 질문, 해석 및 적용 그리고 기계에 대한 올바른 가설을 세웁니다.

기술 전도사들은 머신 러닝 알고리즘의 정확도가 일반적으로 첫 번째 단계에서 60-70%라는 사실을 언급하는 것을 무시합니다. 이는 미세 조정과 추가 작업이 뒤따라야 합니다.

지금까지 이것은 인간 근로자의 능력에 대한 찬반이라기보다는 데이터 과학자를 더 많이 고용하자는 주장처럼 들립니다. 그러나 위에서 언급한 기술의 한계를 살펴보고 이러한 한계가 조직의 다른 영역에 어떻게 적용되는지 알아보는 데는 큰 상상력이 필요하지 않습니다.

이들은 트리의 맨 위에서 가장 하위 작업자에 이르기까지 다양합니다. 성공한 사업주에게 물어보면 어느 정도 직관에 기반하여 계산된 위험을 감수하는 것의 중요성에 대해 알려줄 것입니다. 그들은 복잡한 비즈니스 문제를 해결하기 위한 측면적 사고의 중요성에 대해 이야기할 것입니다. 전혀 예상치 못한 사고 패턴에서 최고의 아이디어와 번뜩이는 영감이 어떻게 촉발되는지 강조할 수 있습니다.

HR 직원에게 데이터는 개인의 성과와 생산성에 대한 중요한 통찰력을 제공합니다. 왜 그들이 저조한 성과를 거두었는지, 또는 그 직원이 개선할 수 있는 방법에 대해 대화를 진행하는 가장 공감하고 효과적인 방법을 알려주지 않을 것입니다.

마찬가지로 고객 서비스 담당자는 불만 사항을 조사하는 데 필요한 모든 데이터에 액세스할 수 있는 이점이 있지만 고객이 만족할 수 있는 방식으로 문제를 해결하려면 여전히 교육, 직관 및 인간성이 필요합니다.

>참조: 자동화:네트워크의 필요성 

사실 데이터는 헤지펀드를 설립하거나 불만족한 고객을 상대하는 등 업무 방식을 개선하는 데 사용할 수 있는 도구일 뿐입니다.

기업은 인적 자본, 즉 감히 꿈을 꾸고 직관하고 위험을 감수하며 무엇보다도 재앙으로 향할 때를 인식할 수 있는 독특한 능력을 가진 오류가 많은 생물을 무시할 수 없습니다.

출처:Jonathan Ebsworth, Infosys Consulting의 파괴적 기술 책임자