Yapay zeka ve ilgili otomasyon ve analitik biçimleri, şirketlerin yetenek açıklarını doldurmasına yardımcı olmak için tercih edilen araç haline geldi. İşin püf noktası, şirketlerin beceri eksikliklerini çözmek için gereken yapay zekayı ve otomasyonu belirlemek, oluşturmak ve dağıtmak için gereken becerileri bulmakta zorlanmasıdır.
Örneğin, Legion Kıdemli Başkan Yardımcısı Kshitij Dayal şunları listeliyor: İK tarafında AI yetenekleriişgücü yönetimi ve talep tahmini ve en önemlisi, çalışanların istek ve ihtiyaçları hakkındaki bilgileri geliştirerek olumlu bir çalışma ortamı gibi. Görevleri yapay zeka aracılığıyla otomatikleştirmek veya insan iş gücünü artırmak, genel olarak daha fazla üretkenlik sağlar. Akut beceri eksiklikleri daha iyi ele alınırken, çalışanlar ve yöneticiler daha üst düzey görevlere odaklanabilir.
Hepsi çok iyi. Ancak yapay zeka yeteneklerini ayarlamak beceri gerektirir ve bu, onun en büyük zorluklarından biridir.
AI/ML, kuruluşlarındaki personel sayısını azaltmaya yardımcı oldu
Son soruşturma Rackspace Technology tarafından 1.420 BT yöneticisi arasında gerçekleştirilen anket bunu doğrulamaktadır. Çoğu durumda AI/ML, bir zamanlar insanlar tarafından yapılan işlerin yerini alıyor. Ankete katılanların %62’si, AI/ML uygulamasının kuruluşlarındaki personel sayısını azalttığını söylüyor. Ek olarak, %69’u yapay zekanın yeni yetenekleri işe alma ve işe alma becerisini geliştirmeye yardımcı olduğunu söylüyor.
Görüşülen yöneticilere göre en büyük engel, daha fazla yapay zeka ve makine öğrenimi becerisine ve verileri etkili bir şekilde yönetme yeteneğine duyulan ihtiyaç.
Karşılaşılan en yaygın sorun veya engel, %67’si tarafından dile getirilen kalifiye yetenek eksikliği, ardından algoritma veya modellerin başarısızlığı (%61) ve uygulama maliyeti (%57).
Raporun yazarlarının altını çizerek, “Yapay zeka ve makine öğrenimi kendi başlarına uygulamaya hazır değil.” “Sonuçları optimize etmek için teknoloji ve verilerle çalışabilen yetenekli insanlar bulmak zor.”
Bu sorunları ele almak için, yanıt verenlerin %82’si son 12 ayda yapay zeka ve makine öğrenimi becerilerine sahip çalışanları işe almak için çaba sarf ettiklerini, %86’sı ise son 12 ayda yapay zeka ve makine öğrenimi iş gücünü artırdıklarını söyledi.
Yapay zeka ve makine öğrenimini benimsemenin önündeki zorluklar:
- Nitelikli yetenek eksikliği: %67
- Algoritmaların/modellerin başarısızlığı: %61
- Uygulama maliyeti: %57
- Teknolojik altyapı eksikliği: %54
- Şirket içi beceri eksikliği/işe alımda zorluk: %51
- Teknik altyapı ile ilgili zorluklar: %49
Anketten elde edilen diğer önemli çıkarım, yapay zeka sonuçlarına duyulan yüksek düzeyde güven ve katılımcıların bu güveni sağlamak için atılan adımlardan memnun olduğu gerçeğidir. Veriler ve dahili dirençle ilgili endişelere rağmen, ankete katılan BT karar vericileri arasında yapay zeka projelerinin sonuçlarına olan güven yüksek olmaya devam ediyor ve %73’ü yapay zeka tarafından sağlanan yanıtlara güvendiklerini söylüyor. %72’si yapay zeka kullanmanın olumsuz sonuçlarından kaçınmak için yeterli kontrol ve dengenin yürürlükte olduğunu söylerken, yanıt verenlerin %80’i yapay zeka/makine öğrenimi yanıtlarının ek insan yorumu gerektirmediğini düşünüyor.
AI kararlarında yüksek iş güveni
Yöneticilerin yaklaşık dörtte üçü veya %73’ü, yapay zeka ve makine öğrenimi teknolojilerinin sağladığı analitiklere her zaman güvendiklerini söylüyor. AI’nın adil ve tarafsız olmasını sağlamak için süreçleri olduğunu söylüyorlar. Bu amaçla, %72’si yapay zeka kullanmanın olumsuz sonuçlarından kaçınmak için yeterli kontrol ve denge olduğunu söylüyor. Ek olarak, %77’si yapay zeka ve makine öğrenimi ile ilgili kararların kuruluşlarındaki “doğru kişiler” tarafından alındığını ve %71’i yapay zekanın kötüye kullanılmasına karşı korunmak için yeterli yönetişim olduğunu söylüyor.
sanal bulutlar (%57), nesnelerin interneti (%51), yapay zeka ve makine öğrenimi (%46), blok zinciri (%36), robotik (%34) ve 5G (%31) .
Ankete katılanların kuruluşlarında uygulanan teknolojiler arasında sanal bulut ağları (%57), Nesnelerin İnterneti (%51), yapay zeka ve makine öğrenimi (%46), blok zinciri (%36), robotik (%34) ve 5G (%31) yer alıyor. ).
Anket yazarları, “Yanıt verenler, sürekli olarak yapay zeka makine öğrenimi teknolojilerinin kullanımını anlayabilecek ve iyileştirebilecek dahili kaynakların eksikliğinden bahsetti” diyor. “Dışarıdan işe alım mı yapmanız yoksa zaten sahip olduğunuz kaynakları mı kullanmanız gerektiğini belirlemek için mevcut eğitim süreçlerinizi ve dahili yeteneklerinizi değerlendirin.” Şirket içinde daha güçlü yapay zeka ve makine öğrenimi yetenekleri geliştirmek için şirketinizin konferanslara veya etkinliklere katılımını artırmayı ve ekiplerinize çevrimiçi eğitim sunmayı düşünmelisiniz.”
Kaynak : “ZDNet.com”