AI也不一定就能提高工作效率 有时还可能拖后腿

www.xf187.com

2018-06-22 18:26:55

2018-4-14 17:03| 发布者: | 查看: 187| 评论: 0|来自: 哈佛商学院

摘要: 当公司希望通过采用人工智能来提高效率时,他们的员工可以足够熟练地使用这些技术吗? Prithwiraj Choudhury通过美国专利商标局进行了案例研究。

面对即将到来的人工智能时代,雇主们对新技术所能带来的工作效率提升抱有很大期望,而员工们却在计算着他们还有多少时日就将被R2-D2取代。

哈佛商学院助理教授Choudhury说:“Jacques Bughin和合作者们的研究预计,目前需要人来完成的所有工种,未来将有一半将通过机器和人工智能来完成”。总体而言,这可能会导致全球生产力提升1%甚至更多。

机器大规模取代人力之前,人们将会使用基于人工智能的工具来开展工作。比如放射科医生运用人工智能技术解读X光片,律师通过机器学习来发掘开创了立案先例的案例。

Choudhury却意识到,对于工人们完全使用人工智能工具所需具备的技能的研究却少之又少,而这正是公司在考虑是否投资AI科技时所需的关键信息。咨询公司埃森哲曾预测,到2035年,美国将有35万亿美元投放于认知技术。如果人们不能正确地使用这项技术,光是增加AI工具并不会自动带来生产水平的提高。

Choudhury说:“AI工具可能擅长于预测,但如果使用不当,投资这些工具就没有价值”。因此,他希望通过一份新的研究报告来填补这项空白。他和马里兰大学的Evan Starr、 Rajshree  Agarwal三人共同撰写了论文《因人而异:在人力资本与机器学习之间的互补性论证》。研究建议,如果企业想要从AI技术中获取最大回报,就必须认真考虑员工需要哪些必要的技能并对他们进行培训。

Choudhury长期致力于人力资本的研究,他进入微软、印孚瑟斯和麦肯锡这样的公司做深度观察,分析如何才能使知识工作者的效率最大化。几年前,他开始关注美国专利商标局(USPTO),专利局为了员工远程办公的便利采取了不少创新实践。

Choudhury说:“我发现美国专利局很有意思,它不仅是一个拥有逾万人的大型组织,而且是一个塑造创新体系的组织。他们做了什么将对整个美国经济产生重要影响。”

在撰写关于专利局的哈佛商学院案例过程中,他发现该机构正在实施一项名为Sigma-AI的复杂的机器学习计划,目的是缩短审查专利申请所需的时间。

专利审查员可以使用Sigma-AI来确保专利申请的原创性和创新性,而不是以往在其他专利中使用过的设计或技术。“这意味着要搜索成千上万的文件”,Choudhury说。

该办公室的目标是至少在10个月内为申请人提供初步答复。专利申请正以五年近20%的速度增长,目前已经积压了50万份申请,这将导致延误六个月甚至更长时间。

过去,员工使用类似Google的布尔搜索工具(Boolean)进行查询,通过特定关键字来检索过去的案例。 Choudhury说,新的机器学习工具使这一过程自动化。 文件被输入到这个工具中,然后相关文件就可以被检索出来。

计算机科学背景是必要的吗?

具有计算机科学与工程专业背景是否有助于专利工作人员使用AI技术从提升生产力呢?Choudhury和他的研究助理对此十分感兴趣。

为了确保办公室的工作经验不会影响研究结果,研究人员“招募”了专利审查员,这些专家审查员基本上没有任何经验,他们只是哈佛商学院的MBA学生。实验中,他们给221名学生每人一份专利申请,其中有五份是针对现有技术但比较模糊的申请。一半学生被随机分配使用布尔搜索工具,一半学生使用机器学习工具。

此外,实验让每个小组的一半学生能获得专家意见,在专家的帮助下更好地进行搜索。这一建议,令研究人员十分意外的,成为这对于学生获得正确答案至关重要。

Choudhury说:“没有专家建议的情况下,没有人有高招。无论使用布尔搜索还是机器学习都不重要,这是对真正的专利审查员的专业知识的验证,这是从多年的经验中形成的。”

对于那些得到建议的人来说,研究人员发现,效率的高低取决于他们的背景。有计算机科学与工程专业背景和经验的人在机器学习方面表现更好,而没有该背景和经验的人则用布尔工具做得更好。

对于这个实验,研究人员没有看到哪种方式更好,然而,Choudhury说,这是不言而喻的。现实情况是,许多公司已经采用人工智能技术,希望能够提高生产力。在绝大多数情况下,它将被没有计算机科学经验的人使用。这类似于让一个人文学科背景的人在Excel中使用宏指令。

你会发现,这些文科背景的人不会像拥有统计背景的人那样富有成效。如果企业不能弥补员工在计算机科学方面的短板,他们将会有失败的风险。

Choudhury说,“如果一个人过去的经历完全属于旧技术领域,并突然出现机器学习工具,那么即使该工具是一个很好的工具,他们的效率也会降低。”

这并不是说公司必须雇用计算机科学家。通过广泛的培训,没有这种背景的员工可以学习如何有效地使用机器学习工具。 Choudhury目前正准备在今年秋季进行一项更宏大的实验,其中有1000个科目,给那些没有计算机科学与工程背景的人提供实践培训,看看是否提高了他们的生产力。

Choudhury说,一旦对这些人进行培训,工作效率的差距会显著缩小。