Zároveň je tento inovační skok inspirován pozorováními a intuicemi o lidské biologii, chování a učení. Neuronové sítě byly inspirovány pozorováním kortikálních struktur lidského mozku; trénink modelů umělé inteligence odráží pozorování o lidském učení a systémech odměňování chování; a systémy umělé inteligence získávají schopnosti prostřednictvím posilování učení prostřednictvím zpětné vazby od člověka – což znamená jakousi koevoluci mezi člověkem a strojem. Tyto poznatky jsou poučné, když uvažujeme o integraci generativní umělé inteligence do lidských organizací. Úspěšná integrace těchto technologií do podnikového prostředí je stejně tak otázkou kultury, organizační struktury a rozvoje lidí jako samotné technologie.
Během posledních více než sta let podniky vyvinuly strategie pro řízení „lidských zdrojů“, které podporují nábor, školení, rozvoj, řízení výkonnosti a kariérní postup svých zaměstnanců. V Goldman Sachs nazýváme toto oddělení „řízením lidského kapitálu“.
Stejně jako je úkolem této divize podporovat růst a rozvoj našich lidí, budou muset vedoucí představitelé podniků při vytváření strategií pro začlenění generativní umělé inteligence do svého podnikání rozvíjet „řízení strojového kapitálu“. A s rostoucím nasazením těchto systémů a schopností se praxe a dopady řízení strojového kapitálu mohou stát stejně zásadními pro úspěch podnikání jako řízení lidského kapitálu. Věříme, že nejúspěšnější týmy budou brát v úvahu následujících pět proměnných:
VÝBĚR
Stejně jako podniky identifikují a přijímají nejlepší talenty pro řešení svých konkrétních příležitostí a výzev a investují do nové generace vedoucích pracovníků, budou muset vybrat a vybrat nejvhodnější modely a rámce umělé inteligence, které budou odpovídat jejich jedinečným potřebám. Kritéria, jako je rozmanitost, sladění dovedností nebo specifické zkušenosti, budou při výběru modelů důležitá, stejně jako jsou důležitá při naší snaze o nábor talentovaných lidí, kteří chtějí mít vliv na práci v úzké spolupráci se svým týmem.
VÝVOJ
Zdroj: Getty Images
Podniky vědí, že samotný talent úspěch nezajistí. Poskytování příležitostí ke školení, rozvoji a zvyšování kvalifikace je klíčem k pozvednutí vašich lidí a zlepšení konkurenceschopnosti. Stejně tak je školení základem snahy o zlepšování a vylaďování modelů umělé inteligence a bude mít podobu iterativního zdokonalování a obohacování modelů s cílem maximalizovat jejich výkonnost. To znamená, že budeme muset tyto interakce systematizovat, abychom pozvedli „dovednostní základnu“ těchto modelů. Stejně jako se lidé zapojují do zpětné vazby prostřednictvím 360stupňového hodnocení, budou modely umělé inteligence potřebovat průběžnou zpětnou vazbu a dolaďování, aby se neustále rozvíjela jejich výkonnost. I když lidé zůstanou ústředním prvkem této neustálé kalibrace platforem AI, lze si dokonce představit, že dobře vyškolený systém AI předá své schopnosti novějšímu, dosud nespecializovanému systému AI způsobem, který by se více podobal lidskému mentorství než „softwarovým aktualizacím“ z minulých let.
KULTURA
Když popisujeme firemní kulturu, máme na mysli hodnoty, vlastnosti a společné postupy, které určují způsob, jakým zaměstnanci společnosti komunikují a spolupracují. Společnosti budou muset zvážit, jak řízení „myslících“ strojů odráží a upevňuje jejich kulturu. To může zahrnovat pravidla, kterými se řídí používání systémů umělé inteligence, způsob, jakým tyto systémy rozhodují, jaké kontrolní mechanismy zavádíme, a co je důležité, jak zaměstnanci se systémy v průběhu času komunikují. Diskuse o tom, jaké hodnoty (a omezení) zakódujeme do těchto stále výkonnějších systémů, je zásadní, zejména s ohledem na to, jak rychle jsou tyto technologie přijímány.
Podniky usilují o neustálé zlepšování tím, že investují do svých lidí a zvyšují jejich výkonnost. S tím, jak lidé získávají zkušenosti a nové dovednosti, roste jejich hodnota pro organizaci. Na rozdíl od mnoha jiných technologií, které rychle zastarávají, tyto modely umělé inteligence nabízejí také potenciál růstu hodnoty, protože se učí a zahrnují více naší institucionální moudrosti a zkušeností.
SPRÁVA, DODRŽOVÁNÍ PŘEDPISŮ A ŘÍZENÍ RIZIK
I přes své působivé schopnosti mohou generativní modely umělé inteligence vytvářet řadu rizik, včetně zkreslení, chyb a zneužití. Bude nezbytné monitorovat, dohlížet a napravovat nedostatky při jejich fungování v rámci celého podniku, zejména u podniků, které působí v silně regulovaném prostředí, jako je zdravotnictví a finanční průmysl.
Jedno zastřešující téma, které spojuje všechna tato témata, je uznání, že role inženýrů se bude měnit, a to jak jemným, tak hlubokým způsobem. V budoucnosti, kdy budou lidé pracovat společně s generativní umělou inteligencí, budou trávit méně času vytvářením aplikací psaním kódu s deterministickými výstupy a více času trénováním, kurátorstvím a vylepšováním modelů umělé inteligence a vymýšlením nových způsobů, jak tyto modely propojit se stávajícími aplikacemi. To bude pokračovat v dosavadním trendu, kdy se inženýři stávají důležitými pomocníky podniků a fungují jako rozhraní mezi lidmi a stroji.
Podnikům bude nějakou dobu trvat, než tuto technologii a rámce potřebné k jejímu řízení začlení, ale zdá se, že budoucnost se každým dnem zrychluje. S tím, jak se toto nové paradigma spolupráce lidí a strojů přibližuje realitě a jak stále více podniků experimentuje se způsoby, jak tuto technologii začlenit do své práce, by se všechny organizace měly zamyslet nad tím, jak mohou jejich zkušenosti s lidskými zdroji ovlivnit jejich přístup k řízení strojového kapitálu. Toto sladění napříč koncepty řízení lidského a strojového kapitálu pro nás navíc může představovat příležitost ke spolupráci a kooperaci se stroji – vytvoření společné „zkušenosti“, která lépe integruje úžasnou sílu nových technologií a trvalou výhodu vytvořenou talentovanými lidmi.
Překvapivý pokrok generativní umělé inteligence je skutečně výsledkem působivého pokroku v oblasti výpočetní techniky, matematiky a pravděpodobnosti. Zároveň je tento inovační skok inspirován pozorováními a intuicemi o lidské biologii, chování a učení. Neuronové sítě byly inspirovány pozorováním kortikálních struktur lidského mozku; trénink modelů umělé inteligence odráží pozorování o lidském učení a systémech odměňování chování; a systémy umělé inteligence získávají schopnosti prostřednictvím posilování učení prostřednictvím zpětné vazby od člověka - což znamená jakousi koevoluci mezi člověkem a strojem. Tyto poznatky jsou poučné, když uvažujeme o integraci generativní umělé inteligence do lidských organizací. Úspěšná integrace těchto technologií do podnikového prostředí je stejně tak otázkou kultury, organizační struktury a rozvoje lidí jako samotné technologie.
Během posledních více než sta let podniky vyvinuly strategie pro řízení "lidských zdrojů", které podporují nábor, školení, rozvoj, řízení výkonnosti a kariérní postup svých zaměstnanců. V Goldman Sachs nazýváme toto oddělení "řízením lidského kapitálu".
Stejně jako je úkolem této divize podporovat růst a rozvoj našich lidí, budou muset vedoucí představitelé podniků při vytváření strategií pro začlenění generativní umělé inteligence do svého podnikání rozvíjet "řízení strojového kapitálu". A s rostoucím nasazením těchto systémů a schopností se praxe a dopady řízení strojového kapitálu mohou stát stejně zásadními pro úspěch podnikání jako řízení lidského kapitálu. Věříme, že nejúspěšnější týmy budou brát v úvahu následujících pět proměnných:
VÝBĚR
Stejně jako podniky identifikují a přijímají nejlepší talenty pro řešení svých konkrétních příležitostí a výzev a investují do nové generace vedoucích pracovníků, budou muset vybrat a vybrat nejvhodnější modely a rámce umělé inteligence, které budou odpovídat jejich jedinečným potřebám. Kritéria, jako je rozmanitost, sladění dovedností nebo specifické zkušenosti, budou při výběru modelů důležitá, stejně jako jsou důležitá při naší snaze o nábor talentovaných lidí, kteří chtějí mít vliv na práci v úzké spolupráci se svým týmem.
VÝVOJ
Zdroj: Getty Images
Podniky vědí, že samotný talent úspěch nezajistí. Poskytování příležitostí ke školení, rozvoji a zvyšování kvalifikace je klíčem k pozvednutí vašich lidí a zlepšení konkurenceschopnosti. Stejně tak je školení základem snahy o zlepšování a vylaďování modelů umělé inteligence a bude mít podobu iterativního zdokonalování a obohacování modelů s cílem maximalizovat jejich výkonnost. To znamená, že budeme muset tyto interakce systematizovat, abychom pozvedli "dovednostní základnu" těchto modelů. Stejně jako se lidé zapojují do zpětné vazby prostřednictvím 360stupňového hodnocení, budou modely umělé inteligence potřebovat průběžnou zpětnou vazbu a dolaďování, aby se neustále rozvíjela jejich výkonnost. I když lidé zůstanou ústředním prvkem této neustálé kalibrace platforem AI, lze si dokonce představit, že dobře vyškolený systém AI předá své schopnosti novějšímu, dosud nespecializovanému systému AI způsobem, který by se více podobal lidskému mentorství než "softwarovým aktualizacím" z minulých let.
KULTURA
Když popisujeme firemní kulturu, máme na mysli hodnoty, vlastnosti a společné postupy, které určují způsob, jakým zaměstnanci společnosti komunikují a spolupracují. Společnosti budou muset zvážit, jak řízení "myslících" strojů odráží a upevňuje jejich kulturu. To může zahrnovat pravidla, kterými se řídí používání systémů umělé inteligence, způsob, jakým tyto systémy rozhodují, jaké kontrolní mechanismy zavádíme, a co je důležité, jak zaměstnanci se systémy v průběhu času komunikují. Diskuse o tom, jaké hodnoty (a omezení) zakódujeme do těchto stále výkonnějších systémů, je zásadní, zejména s ohledem na to, jak rychle jsou tyto technologie přijímány.
ŘÍZENÍ VÝKONU
Zdroj: Burzovnísvět.cz
Podniky usilují o neustálé zlepšování tím, že investují do svých lidí a zvyšují jejich výkonnost. S tím, jak lidé získávají zkušenosti a nové dovednosti, roste jejich hodnota pro organizaci. Na rozdíl od mnoha jiných technologií, které rychle zastarávají, tyto modely umělé inteligence nabízejí také potenciál růstu hodnoty, protože se učí a zahrnují více naší institucionální moudrosti a zkušeností.
SPRÁVA, DODRŽOVÁNÍ PŘEDPISŮ A ŘÍZENÍ RIZIK
I přes své působivé schopnosti mohou generativní modely umělé inteligence vytvářet řadu rizik, včetně zkreslení, chyb a zneužití. Bude nezbytné monitorovat, dohlížet a napravovat nedostatky při jejich fungování v rámci celého podniku, zejména u podniků, které působí v silně regulovaném prostředí, jako je zdravotnictví a finanční průmysl.
Jedno zastřešující téma, které spojuje všechna tato témata, je uznání, že role inženýrů se bude měnit, a to jak jemným, tak hlubokým způsobem. V budoucnosti, kdy budou lidé pracovat společně s generativní umělou inteligencí, budou trávit méně času vytvářením aplikací psaním kódu s deterministickými výstupy a více času trénováním, kurátorstvím a vylepšováním modelů umělé inteligence a vymýšlením nových způsobů, jak tyto modely propojit se stávajícími aplikacemi. To bude pokračovat v dosavadním trendu, kdy se inženýři stávají důležitými pomocníky podniků a fungují jako rozhraní mezi lidmi a stroji.
Podnikům bude nějakou dobu trvat, než tuto technologii a rámce potřebné k jejímu řízení začlení, ale zdá se, že budoucnost se každým dnem zrychluje. S tím, jak se toto nové paradigma spolupráce lidí a strojů přibližuje realitě a jak stále více podniků experimentuje se způsoby, jak tuto technologii začlenit do své práce, by se všechny organizace měly zamyslet nad tím, jak mohou jejich zkušenosti s lidskými zdroji ovlivnit jejich přístup k řízení strojového kapitálu. Toto sladění napříč koncepty řízení lidského a strojového kapitálu pro nás navíc může představovat příležitost ke spolupráci a kooperaci se stroji - vytvoření společné "zkušenosti", která lépe integruje úžasnou sílu nových technologií a trvalou výhodu vytvořenou talentovanými lidmi.
