İş dünyasında üretken YZ’nin etkisinde gezinmek 

İşleri Yeniden İcat Etme: Otomasyonu İşe Uygulamak için 4 Adımlı Yaklaşım (HBR Press, 2018) , Jesuthasan ve Boudreau, teknoloji yerine iş ile liderlik eden şirketlerin, insanlar ve otomasyonun optimum kombinasyonlarını sağlamak için daha donanımlı olduğunu göstermektedir. Bu şirketler, otomasyonun son derece tekrarlı, kurala dayalı işlerin yerini nerelerde alabildiğini; insan yaratıcılığını, eleştirel düşünmeyi ve empatiyi nerelerde artırabileceğini ve yeni insan işi yaratabileceğini görmektedir.

Herhangi bir çalışma organıyla ilişkili dört farklı potansiyel sonuç vardır:

• Hatanın ortadan kaldırılması (bir havayolu pilot uygulamasının bazı çalışmalarını düşünün), bir hatanın sonuçlarının yüksek olduğu ve kabul edilebilir bir performans seviyesinden herhangi bir sapmadan organizasyon için önemli bir olumsuz değer potansiyelinin olduğu durumlarda
• Performansın hedef düzeyin ötesinde iyileştirilmesinde hiçbir değerin olmadığı varyansı en aza indirmek (işlem işleme işini düşünün)
• Performanstaki bir iyileşmenin organizasyon için değerde orantılı bir iyileşme sağladığı durumlarda üretkenliği artırmak (bir satış elemanının işini düşünün)
• Performanstaki küçük bir iyileştirmenin değer üzerinde katlanarak büyük bir etkisi olduğu atılımlara ulaşmak (veri bilimi gibi son derece yaratıcı işleri düşünün)

Robotik Süreç Otomasyonu (RPA) gibi yerleşik otomasyon, hedefin varyansı azaltmak olduğu ve riske karşı daha büyük bir tolerans olduğu işlerde insan çabasının yerine geçmeye yardımcı olabilir. Finansal verilerin analiz edilmesi ve sentezlenmesine ilişkin son derece tekrarlı, kurala dayalı çalışmaların gerçekleştirildiği varyansı azaltmak için RPA uygulamasını göz önünde bulundurun.

Yapay zeka, uzun zamandır üretkenliğin iyileştirilmesinin veya çığır açan bir başarının hedef olduğu analitik çalışmaları artırmak için kullanılmaktadır. Onkologların, becerileri değiştirerek değil, yetenekleri artırarak ve deneyim ve uzmanlıkta üstünlüğü artırarak kanser tespitinin doğruluğunu katlanarak artırmak için önemli hacimlerde belirli veri ve görüntüler konusunda eğitilmiş makine öğrenimini nasıl kullandıklarını düşünün. Ancak, hatanın ortadan kaldırılması söz konusu olduğunda, otomasyonun başlangıçta büyütme yoluyla ve ardından belirli veri setleri, mantık ve yeni korkuluklar geliştirildikçe ikame yoluyla insan hatası potansiyelini azaltmak için kullanıldığını görüyoruz.

Ancak, üretken yapay zeka yeni ortaya çıkan bir aşamadadır ve altta yatan mantık eksikliği nedeniyle hataya eğilimli olabilir. Bu sorun, riskler yüksek olduğunda ve risk toleransımız düşük olduğunda, insan hatasına karşı makine hatalarından daha toleranslı olduğumuz gerçeğiyle daha da artmaktadır. Liderlerin bu teknolojilere ne zaman güveneceklerini ve ne zaman güvenmeyeceklerini, insan işinde sahip olmaları gereken belirli rollerle (ikame, güçlendirme veya yaratma) birlikte gelişimlerinin bu aşamasında anlamaları çok önemlidir. Üretken yapay zeka, en çok, bilginin ve yaratıcılığın güçlendirilmesi yoluyla demokratikleştirilmesinde, hedefin üretkenlik kazançları elde etmek olduğu çeşitli yaratıcı görevler için geleneksel olarak gereken beceri primlerinin düşürülmesinde ve yüksek risk toleransının olduğu alanlarda bir atılım arayışında faydalıdır.

Aynı derecede önemli olan, yetenek modeliniz için kullanımının sonuçlarını anlamaktır. Pek çok mesleğin bir stajyerlik modeli üzerine inşa edildiği göz önüne alındığında, yeni nesil yaratıcıları, liderleri ve yöneticileri ortadan kaldırabilecek YZ ile alt düzey yeteneklerin çalışmalarını değiştirme isteğine nasıl direneceksiniz?