Kuinka kehittää koko organisaation kattava eettinen lähestymistapa tekoälyyn

Tekoäly muuttaa työelämää – mutta miten erotamme todelliset, käytännölliset käyttötapaukset ylihypetetyistä trendeistä, jotka eivät tuota tuloksia? Ja mitä eettisiä riskejä meidän tulisi pitää silmällä?

Juontaja David Rice keskustelee Jonathan Conradtin – Amazonin entisen johtavan tekoälytieteilijän ja Synerisen johtoryhmän neuvonantajan – kanssa tekoälyn todellisista vaikutuksista HR:ään ja johtamiseen. He tarkastelevat, miten tekoäly muovaa rekrytointia, työntekijöiden hyvinvointia ja päätöksentekoa sekä vastuullisen tekoälyn ratkaisevaa roolia. Jonathan paljastaa myös, miksi yritykset investoivat usein tekoälyyn väärin – ja miten johtajat voivat tehdä fiksumpia valintoja.

Haastattelun kohokohdat

  • Tutustu Jonathan Conradtin [00:52]
    • Jonathanilla on pitkä tausta teknologian parissa.
    • Työskenteli Googlen alkuperäisessä Chrome-tiimissä keskittyen Mac- ja Linux-versioihin.
    • Johti markkinointia ja integroi tekoälyä ja koneoppimista eBayssa.
    • Työskenteli 12 vuotta Amazonilla, missä hän huomasi, että tekoälyhankkeita arvioitiin usein väärin.
    • Amazonin johto joutui vaikeuksiin tekoälyinvestointien arvioinnissa ymmärryksen puutteen vuoksi.
    • Työskenteli viimeisen Amazon-vuotensa ajan kouluttaen varatoimitusjohtajia ja johtajia tekoälystä ja koneoppimisesta.
    • Lähti Amazonilta auttaakseen yrityksiä ymmärtämään paremmin tekoälyn mahdollisuuksia ja riskejä.
  • Tekoäly henkilöstöhallinnossa: käytännön sovellukset [02:37]
    • Generatiivinen tekoäly on suosittua, mutta myös perinteinen koneoppiminen on kehittynyt.
    • Yksi merkittävä edistysaskel on automaattinen koneoppiminen (AutoML).
    • AutoML automatisoi mallien luomiseen liittyviä toistuvia tehtäviä.
    • Avoimen lähdekoodin AutoGluon-paketti tekee tekoälystä saavutettavaa niille, joilla on perustason SQL- ja Python-taidot.
    • AutoML mahdollistaa laadukkaiden mallien nopean luomisen, mikä aiemmin vei kuukausia.
    • Tekoälystä on hyötyä henkilöstöhallinnossa esimerkiksi työntekijöiden luokittelussa, vaihtuvuuden ennustamisessa ja johtamiskoulutukseen soveltuvien henkilöiden tunnistamisessa.
    • Auttaa numeerisissa ennusteissa, kuten rekrytointitarpeiden ja työvoimasuunnittelun arvioinnissa.
    • Tukee aikasarja-analyysiä kausittaisten trendien havaitsemiseksi.
    • Maailmanluokan mallin voi rakentaa vain kolmella koodirivillä.
  • Tekoälyn eettiset näkökohdat [05:03]
    • Henkilöstöhallinnolla on keskeinen rooli tekoälyn kehittämisessä, sillä se varmistaa lainsäädännön ja eettisten periaatteiden noudattamisen.
    • Tiedemiehiltä puuttuu usein asiantuntemusta henkilöstöön liittyvistä laeista ja vinoumista.
    • Tekoälymallit voivat tahattomasti oppia historiallisia vinoumia ja vahvistaa niitä (esimerkiksi suosimalla lacrossea pelanneita hakijoita).
    • Vastuullinen tekoäly keskittyy oikeudenmukaisuuteen, läpinäkyvyyteen ja tietojen eettiseen käsittelyyn.
    • Henkilöstöalan ammattilaisilla on hyvät valmiudet ohjata tekoälyn oikeudenmukaisuutta erityisesti rekrytointi- ja ylennysmalleissa.
    • Ylennysten ennustamiseen liittyviä tekoälyn vinoumia (kuten Ivy Leaguen yliopistoista valmistuneiden tai miesten suosimista) on lievennettävä.
    • Tekoälyn etiikkaa koskevaa sääntelyä syntyy parhaillaan: EU toimii edelläkävijänä, ja Yhdysvalloissa harkitaan lainsäädäntöä.
    • Henkilöstöhallinto voi auttaa tiedemiehiä ymmärtämään vastuullisia tekoälykäytäntöjä ja ottamaan niitä käyttöön.
    • ChatGPT:n kaltaiset tekoälymallit eivät käytä käyttäjien syötteitä suoraan koulutukseen, jotta arvokasta dataa ei turmeltaisi.
    • Ne oppivat käyttäjien vuorovaikutuksesta, kuten uudelleen muotoilluista kysymyksistä, jotka voivat viestiä tyytymättömyydestä vastaukseen.
    • Vinoumia voi syntyä, jos vuorovaikutus heijastaa yhteiskunnallisia vinoumia (kuten sukupuoleen, tuloihin tai maantieteellisiin mieltymyksiin liittyviä vinoumia).
    • Erään huhutun esimerkin mukaan OpenAI:n mallit omaksuivat kielellisiä piirteitä, jotka muistuttivat vahvistusoppimiseen osallistuneiden kenialaisten alihankkijoiden kielenkäyttöä.
    • Ihmispalautteen vinoumat, kuten pidempien vastausten suosiminen, vaikuttivat mallin toimintaan.
    • Tekoäly voi tahattomasti suosia hallitsevien käyttäjäryhmien puhetapoja, aiheita tai mieltymyksiä.
    • Tekoälyn vinoumia voi syntyä odottamattomilla tavoilla, jolloin aktiivisimmin osallistuvien käyttäjäryhmien toimintamallit vahvistuvat.

Toimiaksesi vastuullisen tekoälyn periaatteiden mukaisesti sinun on poistettava tekijät, joita ei pitäisi ottaa huomioon. Älä anna mallin nähdä asioita tai tehdä niiden perusteella päätelmiä, joita et ottaisi huomioon todellisessa ylennyksessä.

Jonathan Conradt
  • Suojamekanismit ja johdon koulutus [12:36]
    • Tekoälyjärjestelmät käyttävät suojamalleja haitallisten tai epäeettisten kyselyjen suodattamiseen ennen niiden käsittelyä.
    • Työntekijät löytävät keinoja käyttää tekoälytyökaluja, jos yritykset eivät tarjoa suojattua ja hyväksyttyä käyttömahdollisuutta.
    • Arkaluonteisten yritystietojen lataaminen julkisiin tekoälymalleihin aiheuttaa vakavia tietoturvariskejä.
    • Yritysten tekoälytilit voivat tarjota hallittuja ympäristöjä riskien vähentämiseksi.
    • Johtajilla voi asiantuntemuksestaan huolimatta olla vaikeuksia erottaa suojatut tekoälytyökalut suojaamattomista.
    • Koulutuksen ja virallisten tekoälytyökalujen tarjoaminen voi auttaa estämään tietoturvaloukkauksia.
    • Tekoälyn käyttöönottostrategiat vaihtelevat:
      • Varhaiset omaksujat: Investoivat voimakkaasti, kohtasivat suuria riskejä ja joutuivat usein vaikeuksiin.
      • Uudistusten vastustajat: Suhtautuvat epäilevästi ja vastahakoisesti, mikä altistaa vanhentumiselle.
      • Nopeat seuraajat: Oppivat varhaisilta omaksujilta, ottavat tekoälyn käyttöön pienemmin kustannuksin ja todennäköisesti menestyvät.
    • Tekoäly saavuttaa suorituskyvyn tasanteen, jolloin nopeat seuraajat voivat saavuttaa varhaiset omaksujat.
  • Tekoälyn koulutuksen ja käyttöönoton ymmärtäminen [20:03]
    • Monilta ihmisiltä, myös teknisiltä ammattilaisilta, puuttuu syvällinen ymmärrys koneoppimisesta.
    • Tekoäly on pohjimmiltaan matemaattinen funktio, joka ottaa syötteen, käsittelee sen ja tuottaa tuloksen.
    • Tekoäly ei "ajattele" tai "muista" käyttökertojen välillä – se on olemassa vain silloin, kun sitä kutsutaan.
    • Tekoälyn vaikuttavat kyvyt perustuvat lisäkoodiin ja tietojen organisointiin.
    • Koulutus tulisi mukauttaa organisaation eri rooleihin (käyttäjät, teknikot, johtajat jne.).
    • Yksi kaikille sopiva koulutustapa ei toimi.
    • Henkilöstöhallinnon on määritettävä sopivat tekoälykoulutusstrategiat eri työntekijäryhmille.
    • Työntekijät, myös teknisiin tehtäviin kuulumattomissa rooleissa työskentelevät, tarvitsevat tekoälykoulutusta pelon vähentämiseksi ja käyttöönoton mahdollistamiseksi.
    • Johtajat tarvitsevat erilaista tekoälykoulutusta kuin etulinjan työntekijät.
  • Työntekijöiden hyvinvointi ja tekoäly [23:20]
    • Jonathan työskentelee tutkijoiden kanssa tekoälypohjaisen työntekijöiden hyvinvoinnin mittaamisen ja parantamisen parissa.
    • Tekoäly on kärsivällinen ja voi antaa työntekijöille käytännön toimintaohjeita.
    • Hänen aiemman työnsä Gallupin StrengthsFinderin parissa tavoitteena oli parantaa esihenkilöiden ja työntekijöiden välisiä suhteita yleisen hyvinvoinnin edistämiseksi.
    • Perinteiset arvioinnit perustuvat pakotettuihin valintoihin, eivätkä ne välttämättä kuvaa täysin työntekijöiden tuntemuksia.
    • Uusi lähestymistapa antaa työntekijöille mahdollisuuden ilmaista itseään avoimesti ja tuottaa arvokasta laadullista tietoa.
    • Tekoäly voi muuntaa tekstin matemaattisiksi vektoreiksi, mikä mahdollistaa paremman analyysin.
    • Aiemmassa kokeilussa tekoälyn käyttäminen tutkimusartikkeleiden analysointiin paransi ennusteita 14 %.
    • Samankaltaisten tekoälytekniikoiden soveltaminen työntekijöiden tyytyväisyyskyselyihin voisi parantaa merkittävästi ymmärrystä.
  • Tekoälyn tulevaisuus työpaikalla [26:35]
    • Henkilöstöalan ammattilaiset tulevat todennäköisesti käyttämään tekoälyagentteja monimutkaisten tehtävien hallintaan, tiedon keräämiseen ja prosessien yksinkertaistamiseen.
    • Tekoäly voi toimia johdon assistenttina, joka järjestää tehtäviä, lukee sähköposteja ja antaa ehdotuksia, mutta jättää lopulliset päätökset ihmisille.
    • Tekoälyt ovat erityisen hyviä tietojen yhdistämisessä, joten ne sopivat hyvin esimerkiksi varapääjohtajille, jotka tarvitsevat organisaatiosta kokonaiskuvan.
    • Tekoälypohjaiset assistentit (esimerkiksi Microsoftin apurit) säästävät aikaa ja parantavat liiketoiminnan ymmärtämistä.
    • Yritykset voivat käyttää tekoälyä tuottavuuden parantamiseen, mutta niiden tulisi välttää henkilöstön vähentämistä ja keskittyä sen sijaan tuotoksen kasvattamiseen samalla työntekijämäärällä.
    • Tehokkuuden parantamiseksi tekoälyn käyttöön ottavat yritykset ohittavat kilpailijat, jotka vähentävät henkilöstöä mutta säilyttävät tuotoksen samalla tasolla.

Yritykset, jotka päättävät vähentää henkilöstöä ja irtisanoa työntekijöitä samalla kun ne yrittävät pitää työn määrän ennallaan pienemmällä työntekijämäärällä, joutuvat niiden yritysten murskaamiksi, jotka pitävät työntekijämäärän ennallaan mutta kasvattavat huomattavasti työn määrää, jonka ne pystyvät tekemään, sekä asiakkaille tuottamaansa arvoa.

Jonathan Conradt

Tutustu vieraaseemme

Jonathan Conradt on kokenut tekoälyn ja koneoppimisen asiantuntija, joka toimii tällä hetkellä tekoälyyn ja big data -ratkaisuihin erikoistuneen Synerisen hallituksen neuvonantajana. Ennen nykyistä tehtäväänsä hän työskenteli Amazonilla tekoälyn ja koneoppimisen päätutkijana, jossa hän kehitti ja opetti Amazonin koneoppimisyliopiston opetussuunnitelmaa. Hänen laajaan kokemukseensa kuuluu tehtäviä eBaylla Internet- ja sähköpostitekniikan tuotehallinnan johtajana, Googlella Chrome-verkkoselaimen tekniikan tuotepäällikkönä sekä Microsoftilla television IP-palvelutuotteen tuotepäällikkönä. Jonathanilla on kahdeksan koneoppimiseen ja markkinointiin liittyvää patenttia, ja hän oli yksi suositun StrengthsFinder-hallintatyökalun luojista. Hänet tunnetaan myös panoksestaan automaattiseen koneoppimiseen, erityisesti AutoGluonin kaltaisten työkalujen parissa.

Yksi tekoälyn hienoista puolista on se, että se on hyvin kärsivällinen. Se voi olla arvokas tiedonlähde, koska sille voi antaa tarkkoja ja käyttökelpoisia tietoja, ja tekoäly voi vastata ihmisille tarjoten heille juuri tällaisia näkemyksiä.

Jonathan Conradt

You may also like