Манчестерский университет изучает причины, по которым растущее внедрение инструментов искусственного интеллекта (ИИ) пока не привело к прогнозируемому росту производительности. Однако исследователи с трудом дают простые ответы на вопрос, как преодолеть «разрыв между амбициями и ИИ».
В отчете под названием «Разрыв между амбициями и ИИ» Институт производительности британского университета анализирует достижения в области ИИ и его расширяющееся внедрение, а также предлагает меры, которые могут предпринять руководители бизнеса и политики для реализации потенциальных преимуществ.
Заказчиком отчета выступила компания Bytes Technology Group, предоставляющая ИТ-услуги.
Одной из причин отсутствия результатов является то, что организации вложили значительные средства в переобучение персонала, реорганизацию рабочих процессов и другие корректировки. Эти затраты проявляются немедленно, а отдача наступает позже.
Другая причина, как предполагает отчет, заключается в том, что инструменты ИИ могут повышать производительность на уровне отдельных задач, но эти достижения автоматически не приводят к повышению производительности всей роли работника или всей организации.
В качестве примера приводится использование разработчиками программного обеспечения GitHub Copilot, которые выполнили примерно на 26 процентов больше задач, и профессионалами, использующими ChatGPT для рутинного написания текстов и анализа, что сократило время выполнения задач на 40 процентов при одновременном повышении качества результатов на 18 процентов.
Однако исследование инструментов разработки ИИ показало, что они увеличили активность кодирования примерно на 240 процентов, в то время как количество фактических выпусков программного обеспечения выросло лишь примерно на 30 процентов. Этот разрыв объясняется тем, что людям по-прежнему необходимо проверять и тестировать свою работу перед выпуском.
Исследователи отмечают, что высокая степень вовлеченности ИИ в задачи не делает работника автоматически более продуктивным. Работа обычно сочетает в себе автоматизируемые действия с задачами, требующими суждений, координации, взаимодействия с клиентами и критического мышления. Поскольку ИИ устраняет или ускоряет некоторые действия, эти сопутствующие человеческие задачи становятся ограничивающим фактором для экономии времени и преобразования достижений на уровне задач в повышение производительности.
Таким образом, результаты работы зависят от состава задач и сопутствующей человеческой экспертизы, продолжает отчет. Предполагается, что ИИ может частично вытеснить рабочую силу из существующих задач, одновременно создавая новые задачи, в которых работники сохраняют сравнительное преимущество.
Это может быть хорошей новостью для Великобритании, заявляют исследователи. По сравнению с пятью другими странами (США, Бразилия, Колумбия, Индия и Южная Африка), Великобритания имеет наибольшую долю работников в профессиях с высокой степенью вовлеченности ИИ и «высокой комплементарностью». Это отчасти связано с крупными финансовым и профессиональным бизнес-секторами страны, характеризующимися высокой долей когнитивных профессий.
Это как раз кстати, поскольку правительство возлагает надежды на использование ИИ для стимулирования экономического восстановления в рамках стратегии, изложенной в начале прошлого года.
Сектор ИИ Великобритании относительно велик по европейским стандартам, и отчет ссылается на недавние оценки ОЭСР, согласно которым страны с высокой степенью вовлеченности ИИ, такие как Великобритания и США, могут ожидать ежегодного роста производительности труда в диапазоне от 0,4 до 1,3 процентных пункта.
Даже ежегодное повышение производительности примерно на 0,5–0,7 процентных пункта будет представлять собой значительный шаг вперед по сравнению с застоем производительности в Великобритании за последнее десятилетие, если этот эффект сохранится.
Институт производительности перечисляет несколько «взаимоусиливающих факторов», которые помогут организациям преодолеть выявленный разрыв между амбициями и реальными результатами. Ни один из них не является особенно удивительным, особенно если вы читали другие отчеты, касающиеся корпоративного успеха при внедрении ИИ.
Один из них — постановка руководством стратегического направления для организации, другой — укрепление возможностей работников за счет повышения уровня знаний и грамотности в области данных, чтобы помочь организациям превратить индивидуальные идеи в общий опыт. Другие меры включают внедрение управления ИИ и сосредоточение внимания на приложениях, которые могут создавать новые продукты, улучшать основные процессы или решать ранее неразрешимые проблемы.
«Потенциал ИИ в области производительности становится реальным, когда более быстрые задачи приводят к лучшим результатам во всем бизнесе», — сказал Барт ван Арк, профессор Института производительности и ведущий автор отчета.
«Разрыв между амбициями и результатами лежит между этими индивидуальными эффективностями и устойчивыми результатами бизнеса. Для его преодоления компаниям необходимо инвестировать в управление, навыки и перепроектирование рабочих процессов наряду с технологиями».
Вывод заключается в том, что компании должны верить и продолжать инвестировать в ИИ, и в конечном итоге выгоды придут, если вы делаете правильные вещи. К ним относятся сосредоточение на высокоценных вариантах использования, связанных со стратегией, ценностью для клиента и операционными узкими местами, а также рассмотрение ИИ как инструмента для перепроектирования рабочего места.
Политики могли бы помочь бизнесу в этом, содействуя выявлению соответствующих возможностей, говорится в отчете, чтобы снизить риски внедрения и неопределенность.
Другие отчеты, опубликованные на этой неделе, имели более четкое послание: Gartner заявил, что 75 процентов членов корпоративных советов директоров еще не увидели никаких повышений производительности или сокращения расходов от использования ИИ, а инвестиционная компания Apollo Global Management считает, что только крупнейшие технологические поставщики получают какую-либо отдачу от ИИ. ®
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Dan Robinson
