K tomu, aby umělá inteligence zaplnila mezery v dovednostech, je zapotřebí více dovedností
Umělá inteligence je potenciálně mocný nástroj pro udržení talentu na palubě a zapojení. K tomu, aby se věci staly, je ale potřeba talent.
Umělá inteligence - a související formy automatizace a analýzy na vysoké úrovni - se staly nástrojem volby, který pomáhá podnikům zaplnit jejich stále přetrvávající mezery v talentu. Háček je však v tom, že podniky se snaží najít dovednosti potřebné k identifikaci, budování a nasazení AI a automatizace potřebné k vyřešení jejich nedostatku dovedností.
Umělá inteligence je potenciálně mocný nástroj pro udržení talentů a jejich zapojení. Například Kshitij Dayal senior VP v Legion poukazuje na schopnosti řízené umělou inteligencí, jako je řízení pracovní síly založené na AI a prognózování poptávky, plánování agility prostřednictvím lepšího řízení pracovní síly a, důležité je podporovat pozitivní pracovní prostředí zvyšováním znalostí o přáních a potřebách zaměstnanců. Automatizace úkolů s umělou inteligencí nebo rozšíření lidské práce znamená vyšší produktivitu ve všech oblastech. Lépe se řeší akutní nedostatek dovedností, zatímco pracovníci a manažeři se mohou soustředit na úkoly vyšší úrovně.
Všechno dobré. Kromě toho, že sestavení schopností řízených umělou inteligencí vyžaduje dovednosti - a to je jedna z jeho největších výzev. Potvrzuje to nejnovější průzkum mezi 1 420 IT lídry společnosti Rackspace Technology. V mnoha případech AI/ML nahrazuje práci, kterou dříve vykonávali lidé, přičemž 62 % respondentů uvedlo, že implementace AI/ML vedla ke snížení počtu zaměstnanců v jejich organizaci. Navíc 69 % říká, že umělá inteligence pomáhá zlepšit schopnost najímat a rekrutovat nové talenty.
Hlavní překážkou, reagující vedoucí pracovníci, je potřeba větší schopnosti umělé inteligence a strojového učení a talent potřebný k efektivní správě dat.
Nejčastějším problémem nebo překážkou je nedostatek kvalifikovaných talentů, který uvádí 67 %, následovaný selháním algoritmu nebo modelu (61 %) a náklady na implementaci (57 %).
„AI a strojové učení jsou chytré - ale nejsou připraveny k implementaci,“ zdůrazňují autoři zprávy z průzkumu. "Je obtížné najít kvalifikované lidi, kteří dokážou pracovat s technologií a daty k optimalizaci výsledků."
Aby se tyto problémy vyřešily, 82 % respondentů uvedlo, že se v posledních 12 měsících snažili získat zaměstnance s dovednostmi AI a strojového učení, zatímco 86 % za posledních 12 měsíců zvýšilo svou pracovní sílu v oblasti AI a strojového učení.
Výzvy pro AI a přijetí strojového učení:
- Nedostatek kvalifikovaných talentů: 67 %
- Selhání algoritmu/modelu: 61 %
- Náklady na implementaci: 57 %
- Nedostatek technologické infrastruktury na podporu: 54 %
- Nedostatek interních dovedností/obtíže s najímáním požadovaných rolí: 51 %
- Výzvy technické infrastruktury: 49 %
Dalším pozoruhodným zjištěním z průzkumu je vysoká míra důvěry ve výstup AI - a jsou spokojeni s kroky podniknutými k zajištění této důvěry. Navzdory obavám z dat a vnitřnímu odporu zůstává důvěra ve výstup projektů AI mezi respondenty s rozhodovací pravomocí v oblasti IT vysoká, přičemž 73 % uvedlo, že důvěřuje odpovědím poskytnutým AI. 72 % uvedlo, že jsou zavedeny dostatečné kontroly a rovnováhy, aby se předešlo negativním důsledkům používání umělé inteligence, zatímco 80 % respondentů si nemyslí, že odpovědi týkající se umělé inteligence a praní peněz vyžadují další lidský výklad.
Téměř tři čtvrtiny vedoucích pracovníků, 73 %, uvedlo, že vždy důvěřují analýze poskytované AI a technologiemi strojového učení. Říkají, že mají zavedené procesy, které zajišťují, že AI je spravedlivá a nezaujatá. Za tímto účelem 72 % uvedlo, že existují dostatečné kontroly a rovnováhy, aby se zabránilo negativním důsledkům používání AI. Kromě toho 77 % říká, že rozhodnutí o AI a strojovém učení dělají „správní lidé“ v jejich organizacích a 71 % tvrdí, že existuje dostatečné řízení, které chrání před zneužitím AI.
Mezi technologie, které jsou implementovány v organizacích respondentů, patří virtuální cloudové sítě (57 %), internet věcí (51 %), AI a strojové učení (46 %), blockchain (36 %), robotika (34 %) a 5G. (31 %).
„Respondenti neustále uváděli nedostatek vlastních zdrojů, kteří by mohli porozumět a vylepšit používání technologií strojového učení AI,“ uvádějí autoři průzkumu. "Vyhodnoťte své současné školicí procesy a své interní schopnosti a určete, zda byste měli najímat externě, nebo využívat zdroje, které již máte. Chcete-li vypěstovat silnější AI a schopnosti strojového učení interně, měli byste zvážit zvýšení účasti vaší společnosti na konferencích nebo akce a nabídnout svým týmům online školení."