專家表示,推動人工智慧方案的成功關鍵,在於採取以人物為核心的方法。本文將說明應如何確保企業對人工智慧的投入,以確實提升員工在工作上創造的價值。
文/Maria Korolov‧譯/高忠義
人工智慧已日漸成為企業的關鍵投資標的。在美國《財富(Fortune)》雜誌所評選出的一千大企業中,有十分之一不僅已經投資在人工智慧,還更進一步擴大原有的投資規模。而根據《2022 NewVantage Partners》一項針對高階主管調查報告顯示,目前有 92% 的企業,在人工智慧的應用上已獲得顯著效益。相較於 2020 年的 72%,與 2018 年的 28%,此一指標有顯著的上升。
不過在調查中僅有 26% 的企業表示,其推動的人工智慧方案,能廣泛擴展到生產活動上。其最大的障礙何在?不外乎是來自於企業文化上的層層阻礙。相較於表示科技限制是最大障礙的受訪者,有多達十一倍的高階主管表示,「企業文化」才是最大的人工智慧專案推展阻礙。
而在企業文化上的挑戰,近來甚至變得更加嚴峻。2018 年時有 81% 的高階主管提到企業文化帶來的挑戰,但在 2022 年則有高達 92% 的高階主管認為如此。
但結果又是如何呢?許多企業發現成功將人工智慧導入作業的關鍵在於人,並且正試著讓員工成為解決方案的核心。
【食品製造】Herr’s Foods:貨車裡的人工智慧
Herr’s Foods 的安全業務合夥人 Michael DiMascola 想要減少貨車交通事故,第一個念頭就是安裝監視攝影機,以掌握駕駛動態。
該公司總部位於美國賓州,營業內容是洋芋片、起士球與其他零食的製造,有 640 輛貨車在美東與加拿大運送相關產品。但貨車駕駛對於該公司先前試圖在貨車裡裝攝影機的做法,普遍感到反感。
DiMascola 表示,讓老大哥監控個人的一舉一動,向來就是個污名 。只要一有風吹草動,就會像聖誕樹的燈那樣發亮到讓人不注意都很難,所以也產生了很大的干擾。
DiMascola 的結論是,如果問題在於駕駛不夠專注,那麼增加會讓他們分心的東西絕對是沒有幫助的。DiMascola 認為,舊型攝影機只能在事件發生後才啟動,像是撞車、急煞或突然加速。企業需要提前因應這些例外狀況,必須認為駕駛不專心是必須最優先處理的事。
所以這一回,Herr’s 公司採取了截然不同的方法。DiMascola 在 2018 年的一場國家安全會議上找到了可能的配合廠商,並在該年秋天與 Nauto 共同啟動一項先導計畫。Nauto 是一個即時並支援 AI 的駕駛和車隊安全平台,透過影片的分析以機器學習演算法,提供預測、預防和減少行動生態系統中的高風險事件。
[ 2022年度CIO大調查報告下載 ]
DiMascola 想要採用的新型攝影機,會留意駕駛人注視什麼地方;如果駕駛的眼睛離開路面太久,系統就會發出警示;但這很可能被認為比 Herr’s 公司之前採用的攝影機更具干擾性。
DiMascola 表示,這種狀況是非常令人擔憂的事。監視人的老大哥又動起來了,而且這回是每一台貨車都要被監控。
結果流言蜚語還是很快就傳開了。為了擺脫困擾,DiMascola 需要與駕駛直接面對面回應。在第一次部署系統時,DiMascola 挑了兩個繁忙的半掛式車隊場站。他親自到每一個場站,坐下來與每一個駕駛面對面懇談。
DiMascola 制訂了一項推動方案,其中也包括供應商的說明影片,然後顯示每一次車禍、不實求償,還有幾乎出事但幸運避開的情況記錄。花時間整理出來,而且釐清提出的問題,常見問答都已經放在影片裡了;這項系統培訓絕對是重中之重。
最終的目標,就是盡可能維護駕駛的安全。如果眼睛不看路,甚至只是一小段時間,都可能產生致命的後果。DiMascola 說,在時速 50 英哩下,只要五秒鐘,駕駛就已開過了一個半足球場,而那已經是夠長距離的分心駕駛了。
DiMascola 補充說,新的平臺將會把相關資料交到駕駛的手上。駕駛們可以即時看到結果,而且不只有開車不專心的情況,也有危險的轉彎動作、逼車與其他接近發生事故的情況與高度危險情況。
行車記錄最佳的駕駛,則可獲得禮品卡與獎金;而記錄最好的場站則可以獲得野餐郊遊的機會。
DiMascola 提到,到了該年九月,他已和三個場站人員野餐郊遊;而那三個場站的年度評分就是最高者。他們充分把握了每一次慶祝的機會。
而這些分數與儀表板,也被應用在經理人執行考量,以及提供給駕駛的教育訓練的材料當中。DiMascola 認為自己也同樣是屬於安全部門的一份子,因為總是得仰賴場站經理與區經理協助團隊,來傳達安全相關訊息。
[ 推薦閱讀:商用人工智慧十大趨勢 ]
裝上人工智慧加持的防範分心行車攝影機,就像在每一台貨車上配置駕駛教練,但卻不用再增聘 600 個員工。
為了避免讓這個系統本身變成讓駕駛分心的東西,系統在發生分心狀況的 2.5 秒後,才會發出警示音。如果駕駛並未排除狀況,系統才會進入第二階段警告,發出連續警示音。DiMascola 說,之後則會發出舒緩的聲音說「你分心了」。任何讓人分心超過五秒的事都得小心,若駕駛的目光離開道路超過五秒鐘,就算是嚴重狀況,系統就會發出很吵的警示音。
逐漸地,駕駛逐步改善了行為,警示被忽視的比例下降了。Herr’s 原先計畫在第一年裝設 100 台攝影機,在第二年裝設 150 台攝影機,剩下的則在第三年裝設。但是團隊很快就了解到攝影機帶來的各項好處。所以團隊回頭跟高階主管洽談,請求提高預算,在第一年就全面導入作業流程。
DiMascola 說,從 2018 年啟動計畫起,一直到 2021 年 11 月,中高度的駕駛分心事件數量已降低了 70%;危險情況也減少了 22%,而車禍事故也減少了 44%。
DiMascola 表示,Herr’s 是自擔風險而不對外購買保險的公司,而實現的節費獲利很快就超出預期。而在裝置這些攝影機之前,Herr’s 甚至曾因不是本身犯錯而造成的事故,白白耗費許多金錢。
舉例來說,在推動本專案的兩週之後,有個騙子故意在四叉路口撞上公司的貨車,並宣稱 Herr’s 駕駛有過失。那個騙子拒絕接受現場醫療,還聲稱頸部與頭部疼痛。
DiMascola 調出了錄影追查,有了科技做後盾之後,可以證明事實根本不是那個騙子所宣稱的狀況。在過去幾年,Herr’s 碰上這種詐騙都只能賠錢了事。
不過貨車只是 Herr’s 車隊的一小部分,另外還有同樣多的客車與商用廂型車,是由場站經理人、銷售人員與部分工時員工所使用的。在不遠的將來,團隊會在 Herr’s 開上路的每一台車上安裝攝影機,包括 DiMascola 自己開的車也會。
但如果駕駛接受度不高,以及 Herr’s 致力於確保駕駛成為此方案核心利害關係人的話,上述這些效益可能都無法實現。
想要成功推行人工智慧方案,需先建立信賴關係
為了鼓勵員工接受,專家們主張將人工智慧方案重新設計成「增強智慧(augmented intelligence)」也許會比較好。因為人工智慧的目的,尤其是在目前科技限制之下,並不是打算取代人類,而是要來幫助人類。
安永會計師事務所全球人工智慧顧問主管 Dan Diasio 表示,採用增強智慧,不僅對員工有好處,對公司同樣也有好處。首先,企業可以跟上科技發展的腳步。現今的科技當然還不夠完美,所以可以設計需要與人互動的流程。其次是能夠降低預期門檻,以利更快速地投入生產端。第三,當設計出一項需要與人互動的流程時,當然就是得設計出一個能讓人們信賴的流程。
Diasio 說,缺乏信賴是人工智慧方案推行過程中最大的障礙之一。在系統概念驗證後,只有低於 10% 的專案能進入生產環境,而原因就在於難以信任。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ,與全球CIO同步獲取精華見解 ]
即使在人工智慧投入上具領先地位的事業,信賴仍可能成為問題所在。根據近期 Cognizant 的一項調查顯示,只有 51% 受訪企業人工智慧方案主管表示,他們始終信賴人工智慧系統所做的決定。在那些推動人工智慧方案速度較慢的企業裡,只有 31% 的受訪者表示,他們信賴人工智慧系統做出的決定。
欠缺信賴可能導致惡性循環。如果在不信賴的前提下,人工智慧方案可能難以被大量採用,會造成業務效益的降低;而這又造成對人工智慧的信賴程度更形降低。
但是利用人工智慧來發揮輔助者的角色,並不是要取代人力時,反而有助於建立信賴。在 Cognizant 的訪調中,人工智慧領導企業的受訪者,有 80% 認為,如果人工智慧是用來協助人們作出決策,那麼就能激發出更大的潛力。相較之下,剛起步者只有 30% 會肯定人工智慧的潛力。
【金融業】Alliance Data:需求導向 由下而上
Alliance Data 是一家支付卡、儲蓄與信用貸款企業,而該公司透過草根式行動來建立起內部對人工智慧的信賴。
該公司支援超過四千萬張由像是 IKEA、Ulta 與 Victoria’s Secret 等由零售商所發行的信用卡,而 Alliance Data 在 2018 年時已看到人工智慧、機器學習與自動化的大好前景,想要把握機會。
Alliance Data 資訊長 Wes Hunt 表示,Alliance Data 需要找出方法,以便更好、更智慧,也更快地投入工作。Hunt 也認為,人工智慧讓營運中心員工有機會可以將時間投入在解決持卡人更複雜的問題上,而不是只能耗時間在執行像是蒐集資訊,以及在不同系統間人工移動資料等工作上。
可喜的是,Alliance Data 並未採取由上而下的決策。Hunt 與他的團隊請業務單位告訴他們,需要解決的是那些問題;業務單位回饋了幾百項想法,與團隊一同來排定優先順序。
而對於這些專案最讓人感到欣慰的,是讓一般使用者與資料科學團隊一起坐下來,共同設計新的解決方案。
Hunt 說,這是 Alliance Data 的一貫原則,由業務夥伴的需求,來帶動構思過程;在此同時更會一併考量企業內用戶、其他部門主管的想法。團隊發現,採用由下而上考量的開發方式,就能夠得到極高的參與度。當團隊設計新的智慧自動化工作流程時,與機器常接觸的使用者就會提出導引建議。
有一項先導計畫,涉及蒐集外部文件作為 Alliance Data 開戶客戶調查的檔案資料。這需要使用自然語言處理(NLP)以讀取文件,也需要進行電腦視覺化,以利在無法使用 API 的狀況下,可以藉此從電腦螢幕上截取資料。
而後,在 2020 年,Alliance Data 開始更新風險模型與其他分析工具,納入更多先進的機器學習公式,以改善準確度及預測價值。到了最近,該公司更開始利用人工智慧協助員工提升績效。隨著員工轉變為在家工作,這些措施產生了許多協助。
之前主管們會監控員工的表現,而有些監控工作已智慧化、自動化。Hunt 說,現在員工可以管理自己的生產力。主管現在不再需要微管理直接部屬,而能聚焦在更高階層的訓練指導上。
這種做法改變了主管的指導風格。主管們正遠離微管理與指標導向式管理,逐漸轉向以同理心與提升品質為導向。
現今在 Alliance Data 的生產端,已有 300 個品牌或事業流程,正使用機器學習或人工智慧系統。
Hunt 認為,其中的秘訣就在於開啟協同合作。Alliance Data 獨特之處,就在於願意改為需求導向,仔細聽取每個人的想法。並且在開發解決方案的過程中,廣泛接觸各團隊,協同合作是很重要的。
以人為中心的人工智慧
專家表示,人工智慧的科技本身相當堅實,但是來自人的影響才是最大的關鍵所在。
Omdia 人工智慧暨智慧自動化研究總監 Natalia Modjeska 表示,能夠成功推動人工智慧專案的企業組織,都會與其員工密切配合。因為專案的目的,是要提高人類的能力,而不是用來取代人類。
若企業採取高壓且由上而下的方式來推動人工智慧專案,可能會造成員工的不滿與抗拒。Modjeska 認為,人們擔憂人工智慧系統會取代他們的工作。但如果在溝通過程中,將員工當作夥伴,而不只是被取代的目標,那麼員工們的表現就會不一樣。
Modjeska 強調,確實有些工作可能被淘汰,或者會因為人工智慧而改變。但這不是並不是企業組織的新挑戰。團隊從以前就遇過類似的任務,而且希望現在已經想出對應的方法了。看看打字員與店員,早在六十年前、四十年前、二十年前和十年前,企業就曾想過辦法,應當如何處理來自人的問題。
解決方案包括提升員工的現有技能、訓練出全新技能,或隨著員工退休而淘汰職位。
Modjeska 表示,有些決定確實很難做出。但只要企業願意投資在員工身上,將他們看作夥伴,而不是只視為成本中心或是敵人,這樣的過渡就會順暢許多,而且對每一個人都有益處。
(本文授權非營利轉載,請註明出處:CIO Taiwan)