L’IA può dirci quando utilizzare l’IA e quando no?
Nonostante i timori diffusi sull’automazione di vaste fasce della forza lavoro, tale interruzione non è realmente emersa negli anni trascorsi da quando quelle previsioni hanno conquistato i titoli dei giornali in tutto il mondo. Invece, la convinzione comune oggi è che le migliori applicazioni dell’intelligenza artificiale e dell’automazione saranno un affare comune, con gli esseri umani che faranno ciò che gli umani continuano a fare meglio e la tecnologia che farà ciò che la tecnologia sa fare meglio.
Questa euristica generale è, ovviamente, estremamente ampia per sua natura ed è ben lungi dal comprendere in modo semplice in cosa prosperano l’uomo e la macchina. In effetti, un tema centrale dell’ultimo libro del CEO della Lumina Foundation Jamie Merisotis, Human Work , è che spesso facciamo fatica a capire veramente quali capacità abbiamo, e in effetti quali abilità dobbiamo avere per prosperare nel moderno mercato del lavoro.
Una nuova ricerca del Computer Science and Artificial Intelligence Lab (CSAIL) del MIT suggerisce che l’intelligenza artificiale stessa potrebbe essere in grado di valutare con precisione se un’attività è più adatta a un essere umano o alla tecnologia.
Gestione dei compiti
I ricercatori hanno sviluppato un sistema di apprendimento automatico per valutare un’attività e identificare se è quella che potrebbe essere eseguita al meglio da un esperto umano o da una tecnologia. È interessante notare che i ricercatori affermano che il sistema è in grado di apprendere e adattarsi mentre procede, in modo tale da poter identificare, ad esempio, quando l’esperto non è disponibile o se ha un certo livello di esperienza, prima di scegliere se rimandare a loro.
Il sistema è stato addestrato su una serie di attività in campo medico, inclusa l’analisi a raggi X del torace, in cui il sistema era incaricato di identificare condizioni come cardiomegalia e atelettasia.
“Negli ambienti medici in cui i medici non hanno molti cicli extra, non è il miglior uso del loro tempo per farli esaminare ogni singolo punto di dati dalla cartella di un dato paziente”, dicono i ricercatori. “In questo tipo di scenario, è importante che il sistema sia particolarmente sensibile al loro tempo e chieda il loro aiuto solo quando assolutamente necessario.”
Legge di Kasparov
Il supremo degli scacchi Garry Kasparov notò notoriamente dopo le sue battaglie con Deep Blue di IBM, che un giocatore umano intermedio in coppia con un computer era meglio di un umano esperto o di una super macchina che operava in modo indipendente. Ciò sembrava essere confermato dal team del MIT, il cui modello ibrido uomo-intelligenza artificiale è stato in grado di eseguire l’8% in più in entrambe le attività rispetto a quanto potrebbero fare l’uomo o la tecnologia da soli.
È evidente che la rapida adozione di tecnologie sanitarie durante la pandemia Covid-19 ha visto in gran parte (relativamente) nuove tecnologie imbullonate sui processi esistenti. Piuttosto che una consultazione faccia a faccia, ad esempio, vengono svolte invece su piattaforme di telemedicina.
Per integrare qualcosa come lo strumento di triaging del MIT richiederà qualcosa di più simile a ciò a cui Vijay Govindarajan si riferisce come spostamento di compiti, in cui l’IA si assumerà alcuni dei compiti a cui è adatta, liberando i medici altamente qualificati per fare il lavoro che sono più adatto a.
È un punto che Ravin Jesuthasan e John Boudreau sottolineano nel loro libro Reinventing Jobs, in cui delineano una serie di passaggi che dovremmo intraprendere per utilizzare al meglio l’IA.
Decostruisci il lavoro. Questo è il primo passo fondamentale da fare. Come accennato in un recente post , i lavori sono costituiti da dozzine di compiti individuali, alcuni dei quali saranno adatti, alcuni dei quali non lo saranno. Tuttavia, è solo quando suddividi ogni lavoro in questo modo che puoi fare questo tipo di valutazione.
Valutare la relazione tra prestazioni lavorative e valore strategico. Il passaggio successivo è quindi analizzare ogni lavoro per capire quanto sia importante per i risultati strategici del business. È probabile che alcune attività siano estremamente importanti e altre che lo siano molto meno.
Quale automazione è possibile? Da qui, puoi iniziare a esplorare il modo in cui la tecnologia può aiutare a migliorare i processi, automatizzandoli completamente o aumentando l’essere umano. Suddividono la potenziale automazione in tre categorie: automazione dei processi robotici, automazione cognitiva e robotica collaborativa, con ciascuna tecnologia più adatta per eseguire determinate attività. Sottolineano anche quanto sia allettante saltare subito a questo punto, saltando i primi due passaggi così importanti.
Ottimizza il lavoro. Il passaggio finale quindi riunisce tutto questo e implementa l’automazione in base alle tue scoperte su dove la tecnologia può apportare un vantaggio reale al lavoro svolto dai tuoi dipendenti.
È un processo che risale alla famosa missiva di Michael Hammer nell’Harvard Business Review del 1990, in cui delinea l’inevitabile fallimento di qualsiasi nuova tecnologia fintanto che viene trapiantata su processi progettati per una precedente generazione di strumenti.
Ciò si è riflesso in un recente documento strategico congiunto di McKinsey e EIT Health, che ha esplorato i modi in cui l’IA è stata introdotta oggi nell’assistenza sanitaria.
“Uno dei messaggi più eloquenti dei leader degli operatori sanitari era che l’implementazione della nuova tecnologia AI non riguardava la soluzione in sé, l’implementazione della nuova tecnologia AI non riguardava la soluzione in sé, ma su come è stata implementata e il successo del processo di cambiamento, ma su come è stato implementato e il successo del processo di cambiamento intorno alla sua introduzione. intorno alla sua introduzione. “
O come ha detto Robert Freeman del Mount Sinai Hospital, “questi progetti riguardano circa il 5% di tecnologia e il 95% di gestione del cambiamento”. Sviluppi come quello evidenziato dal team del MIT sono un’indicazione affascinante dei progressi compiuti, ma è chiaro che c’è ancora molta strada da fare prima che tali tecnologie diventino una parte fondamentale dell’assistenza sanitaria così come la conosciamo.
