جعبه‌ابزاری برای کمک به مدیریتِ عدم قطعیت در دنیای هوش مصنوعی
عدم قطعیت پیرامون هوش مصنوعی در اَشکال و ابعاد گوناگونی نمود پیدا می‌کند، اما می‌توان آن را به سه دستۀ اصلی تقسیم کرد که هر مدیری باید در نظر بگیرد: عدم قطعیت وضعیت، اثر و واکنش .
۱- عدم قطعیتِ وضعیت (حالت) زمانی به وجود می‌آید که مدیران اطلاعات کافی برای پیش‌بینی تغییرات و روندهای بازار ندارند. مدیرانی که با این نوع عدم قطعیت دست و پنجه نرم می‌کنند، در درک قابلیت‌های کنونی هوش مصنوعی و آیندۀ احتمالی آن دچار چالش می‌شوند. از آنجا که هوش مصنوعی به سرعت در حال پیشرفت است، تشخیص آنچه اکنون عملی است از آنچه هنوز دور از دسترس به نظر می‌رسد دشوار می‌شود. این نگرانی بیشتر هم می‌شود زیرا کارشناسان هوش مصنوعی در مورد مسائل مهم مثل محدودیت‌های رشد هوش مصنوعی، رفع اشتباهات آن، یا قابلیت واقعی آن در استدلال اختلاف نظرهای زیادی دارند.
۲- عدم قطعیتِ اثر به دشواری مدیران در پیش‌بینی تأثیر هوش مصنوعی بر کسب‌وکار خود اشاره دارد. آیا هوش مصنوعی قرار است صنعت شما را دگرگون (متحول) کند یا تنها به عنوان ابزاری جدید عمل خواهد کرد؟
این نوع عدم قطعیت با این واقعیت که آزمون‌های فعلی تنها بر معیارهای محدودی تمرکز دارند که ارتباط مستقیمی با واقعیت ندارند، بیشتر می‌شود. به همین دلیل، حتی توسعه‌دهندگان نیز نمی‌توانند به درستی پیش‌بینی کنند که بهبودهای آینده — مثل افزایش اندازه پنجرۀ متنی در مدل‌های جدید — چه تأثیری بر عملکرد کسب‌وکار یا روابط کاری خواهد داشت.
۳- عدم قطعیتِ واکنش (رویارویی) چالش دیگری است که مدیران با آن روبه‌رو هستند: تصمیم‌گیری دربارۀ نحوه واکنش به این عدم قطعیت‌ها و پیامدهای ناشی از این واکنش‌ها. آیا باید جزو پیشگامان باشید و زودتر از رقبا به کارگیری هوش مصنوعی را آغاز کنید یا بهتر است صبر کرده و منتظر بمانید؟
آیا اولویت با خودکارسازی و کاهش هزینه‌هاست یا تقویت توانایی‌های انسانی؟
این عدم قطعیت همچنین شامل انتخاب‌های مربوط به مدل‌ها و رویکردهاست — اینکه آیا باید مدل‌های سفارشی‌سازی شده ایجاد کنید، مدل‌های موجود را بهینه کنید یا از روش‌هایی مانند تولید با بازیابی تقویت‌شده (RAG) بهره ببرید.
Credit: "A Toolkit to Help You Manage Uncertainty Around AI" by by Oguz A. Acar and Bob Bastian, Harvard Business Review.
Accessed https://lnkd.in/dSFp2vyS
