Contents
Kommen er robots voor uw werk? Misschien. In een recente aflevering van Intel over AI gingen Intel's Sandra Rivera en Abigail Hing Wen zitten om te praten over hoe kunstmatige intelligentie (AI) de toekomst van werk zal beïnvloeden. Het is een zeer interessant gesprek, aangezien Sandra de Chief People Officer bij Intel is en werkt aan het aannemen en behouden van enkele van de meest bekwame werknemers ter wereld. Het gesprek is des te relevanter omdat de wereld nog steeds te maken heeft met de wereldwijde COVID-19-pandemie.
Als productiebedrijf voor halfgeleiders moet Intel werknemers ter plaatse houden in onze fabricagefaciliteiten, zelfs tijdens een gezondheidscrisis. Maar er is geen echte aanraking van de wafels door mensenhanden. Deze faciliteiten behoren tot de meest hightech robotica-omgevingen ter wereld, en het is een van de redenen waarom Intel tijdens de pandemie een tijdige levering van 90% heeft weten te handhaven.
Tijdens deze tijd van sociale afstand en goede veiligheidsprotocollen, merkt Sandra op dat Intel in staat is om fabricagefaciliteiten te runnen met minder dan 50% van de onsite werknemers ter plaatse bij normale operaties. Intel werkte snel aan het opzetten van mogelijkheden voor werken op afstand voor duizenden werknemers, waaronder centra voor externe operaties voor deze fabricagefaciliteiten. Zelfs met het nodige IT-, beveiligings- en operationeel personeel, zoals cafetaria en schoonmaakdiensten, kon Intel de werkstrategieën wijzigen, zodat minder dan 10% van die teams elke dag ter plaatse hoefde te zijn.
“Je kunt het menselijk oordeel nog steeds niet vervangen – de redenering, de creativiteit en de communicatieve vaardigheden die ervaren professionals hebben.”
-Sandra Rivera
AI gebruiken voor repetitieve taken
In een eerder blog over Pieter Abbeel hebben we gekeken naar hoe slimme robots kunnen worden geïmplementeerd in magazijnen als onderdeel van een grotere verschuiving naar meer automatisering en waarom robots die kunnen leren cruciaal zullen zijn voor voorbij de repetitieve taakfase gaan. Evenzo beschouwt Sandra elk niveau van automatisering voor repetitieve taken als een algemeen positief punt, omdat het capaciteit kan vrijmaken voor uniek menselijk werk dat een genuanceerd oordeel, creatieve probleemoplossing en hogere cognitieve functies vereist.
Betekent dit dat robots en AI bepaalde banen gaan overnemen? Sandra denkt van wel. Misschien geen hele klussen, maar zeker veel dagelijkse, repetitieve taken voor het verzamelen en verwerken van gegevens die efficiënter en foutloos door machines kunnen worden gedaan. Zelfs bij een technologisch geavanceerd bedrijf als Intel weet Sandra dat werknemers te veel tijd besteden aan het verzamelen, sorteren en ordenen van gegevens. Wat ze zou willen dat die werknemers in plaats daarvan doen, is informatie en inzichten uit die gegevens halen om betere beslissingen te nemen. Een team binnen Intel ontwikkelde bijvoorbeeld een AI-systeem dat miljoenen openbare zakelijke webpagina's ontgint en een bruikbare klantsegmentatie voor het verkoopteam extraheert.
AI gebruiken voor talentacquisitie
Een ander gebied waarop Intel AI gebruikt, is het verwerven, ontwikkelen en behouden van talent. Tussen fulltime banen, contractarbeiders en andere functies neemt Intel elk jaar meer dan 20.000 mensen aan. Als we de behoeften van het bedrijf op de juiste manier afstemmen op de beschikbare vaardigheden in de markt, of zelfs in Intel's eigen database, zou dit kunnen betekenen dat enkele miljoenen contacten moeten worden geanalyseerd. Dit handmatig proberen te doen is natuurlijk niet efficiënt. Maar met Intels eigen interne model is het wervingsteam van enkele weken naar slechts een kwestie van uren gegaan om een pool van gekwalificeerde kandidaten te vinden.
Een ander belangrijk gebied waar AI werkgevers kan helpen, is training en retentie. In de podcast zegt Sandra dat wanneer we kijken naar kerntechnische vaardigheden, of het nu gaat om elektrotechniek of software of een algemene computerwetenschappelijke achtergrond, veel van die vaardigheden overdraagbaar zijn naar andere rollen. Ervan uitgaande dat ingenieurs bijna 80% van de vaardigheden hebben die ze nodig hebben om iets anders te doen binnen een bedrijf, is het zinvol om in de huidige werknemers te investeren om die kenniskloof van 20% te dichten in plaats van eropuit te gaan en een geheel nieuwe aan te nemen. lei van medewerkers, die in de organisatie moeten worden opgenomen.
Een van de dingen die Intel wil doen, is meer AI-tools gebruiken om een vaardighedendatabase van bestaande werknemers beter te begrijpen en vervolgens de mobiliteitswensen van werknemers binnen het bedrijf te volgen. Dit geeft Intel meer retentie, waardoor loopbaanontwikkeling of zelfs zijwaartse bewegingen naar verschillende afdelingen mogelijk zijn waar werknemers altijd al in geïnteresseerd zijn geweest. En het is niet alleen Intel. Twee jaar geleden stelde AT&T zich ten doel 100.000 werknemers om te scholen in vaardigheden zoals data-analyse, cyberbeveiliging en cloudcomputing, waardoor ze toegang kregen tot online trainingen met Coursera en een portal die bijhield welke soorten huidige en geplande banen het bedrijf nodig had. Het geven van meer training aan bestaande werknemers is ook een route die veel organisaties gebruiken om teams te creëren die AI kunnen toepassen op kernproblemen van het bedrijf. Deze incrementele, organische “grow your own”-aanpak helpt om een van de belangrijkste valkuilen te omzeilen voor organisaties die nieuwe technische disciplines moeten toevoegen: hoe werf je goed personeel aan voor vaardigheden die je nog niet hebt?
AI gebruiken om vooroordelen te overwinnen
Natuurlijk, wanneer je menselijke besluitvorming vervangt door machines, is er een probleem van verergering van onderliggende fouten en andere problemen, vooral rond vooroordelen. In dezelfde podcastaflevering als Sandra sprak Abigail met Ben Taylor, Chief AI Evangelist bij DataRobot, over het repareren van AI-modellen om vooroordelen op het gebied van human resources te voorkomen.
In de podcast merkt Ben op dat AI-technologie kan fungeren als een versterker voor menselijke fouten. Het team van DataRobot probeert dit probleem te verminderen door de resultaten van AI-modellen te volgen en te meten om beter te begrijpen of een systeem de vooringenomenheid versterkt en vervolgens bepaalde functies en componenten te laten vallen om het probleem op te lossen. Het feit dat mensen kwesties van vooringenomenheid beginnen aan te pakken, is buitengewoon bemoedigend voor Ben. Hij is van mening dat AI beter verklaarbaar zal worden, waardoor het veel nuttiger en dus krachtiger wordt. Tools die de “verklaarbaarheid van modellen” verbeteren, kunnen ons helpen om beslissingen te begrijpen die worden genomen door zeer complexe modellen – belangrijk voor het detecteren van vooringenomenheid, voor het opbouwen van vertrouwen in beslissingen door AI en voor het opsporen van fouten.
Hoewel zeer vroege AI-modellen in feite zelfdocumenterend waren – eenvoudige beslissingsbomen die eigenlijk gewoon gemechaniseerde stroomdiagrammen waren – geldt dit niet voor de meeste modellen die tegenwoordig worden getraind. Naarmate modellen complexer zijn geworden, moesten methoden voor “verklaarbaarheid” evolueren. Interessant is dat sommige 'black box'-technieken inzicht kunnen geven in beslissingen zonder toegang tot de binnenkant van het AI-model, wat betekent dat we ze ook kunnen toepassen op beslissingen die door mensen worden genomen. Hoewel menselijke beslissingen heel toegankelijk lijken, kunnen we de beslisser niet gewoon vragen wat ze dachten? – in de praktijk is er een grote literatuur binnen de psychologie waaruit blijkt dat post-facto verklaringen vaak slechts rationalisaties zijn, zelfs als onze gesprekspartner echt probeert transparant te zijn. Veel van ons eigen denken is voor ons ontoegankelijk. (Lees voor een kernachtige en onderhoudende samenvatting The Mind is Flat van Nick Chater.) De kans is groot dat betere tools en standaarden voor AI-modellen ons zullen leiden tot transparantere en eerlijkere menselijke besluitvorming.
Gebruikmakend van AI om mensen meer tijd te geven
Ben vertelt ook over de impact van AI op de werkgelegenheid. Een voorbeeld dat hij geeft, is dat DataRobot een proof of concept heeft gemaakt voor een mediabedrijf, waaruit blijkt hoe AI beter kan presteren dan mensen bij sourcing. In plaats van de mensen te ontslaan die dat werk deden, breidde het mediabedrijf hun team uit omdat het meer middelen voor mensen vrijmaakte om het creatieve werk te doen dat klanten echt nodig hadden.
Ben merkt ook op dat verbeteringen in opslag , met name Intel® Optane™-geheugen, stellen onderzoekers in staat om datasets te verwerken die voorheen te groot waren om te analyseren, iets dat bedrijven ervan weerhield om het ware potentieel te zien van wat AI kan doen. Dit komt overeen met de ervaring die we hadden toen Intel samenwerkte met het National Center for Missing and Exploited Children, om het groeiende aantal ontvangen fooien te analyseren en door te sturen. We hebben veel routinewerk kunnen overdragen aan AI, waarbij we de menselijke expertise concentreren waar deze het meest nodig is.
Ga voor meer informatie over Intel's werk op het gebied van AI naar: https://intel.com/ai
Als je meer Intel wilt horen over AI-afleveringen met host Abigail Hing Wen, zoek je je favoriete streamingplatform om ernaar te luisteren op: intel.com/aipodcast
Edward Dixon
Data Scientist , Intel
