3/3 可免費閱讀文章篇數免費閱讀

本文出自

最強領導人的最強行事曆

最強領導人的最強行事曆

2018年8月號

人+AI:智慧協作時代

Collaborative Intelligence: Humans and AI Are Joining Forces
詹姆士.威爾遜 H. James Wilson , 保羅.道格提 Paul R. Daugherty
瀏覽人數:7401
  • "人+AI:智慧協作時代"

  • 字放大
  • 文章授權
    購買〈人+AI:智慧協作時代〉文章授權
  • 購買文章
    購買〈人+AI:智慧協作時代〉PDF檔
    下載點數 10
績效改善最顯著的時候,就是人機一起工作,強化彼此強項時。人類必須訓練機器、解釋機器的產出、確保妥善使用機器。機器可提供資訊、協助互動、從事需要體力的勞動。而若想從人工智慧獲得最高效益,就要重新設計營運流程。

現在,人工智慧(AI)變得擅長從事「人類的」許多工作,像是診斷疾病、翻譯、提供顧客服務,而且進步快速。因此有人擔憂,整個經濟中的人力終將全部被人工智慧取代,這種擔憂是有道理的。不過,這並非不可避免、甚至也不是最可能的結果。目前,數位工具對我們的回應程度很高,遠超過以往,而我們對自己的工具也是一樣。雖然人工智慧會徹底改變工作進行的方式,以及由誰從事那些工作,但科技更重大的影響,將在於輔助與擴增人的能力,而不是取而代之。

當然,許多公司已運用人工智慧進行流程自動化,但是,如果使用人工智慧主要是為了取代人力,就只能看到短期的生產力提升。我們研究過1,500家公司,發現人與機器共同工作時,公司績效的改善最顯著(見表:「協作的價值」)。透過這種協作智慧,人類與人工智慧積極提升彼此互補的強項,包括人的領導力、團隊合作、創意、社交技巧,以及人工智慧的速度、規模可擴充性、量化能力。有些對人類來說很自然的事,例如開玩笑,機器可能不知所措,而對機器再簡單不過的事,例如分析兆位元組資料,對人類仍是不可能的任務。而這兩方面的能力,企業都需要。

公司若要充分善用這種協作,就必須了解人類如何才能最有效擴大機器的能力,以及機器可以如何強化人類最擅長的事項,還有該如何重新設計企業流程,以支援這種伙伴關係。我們透過在這個領域的研究與工作,制定了一些指導原則,可協助公司做到這些事,好好運用協作智慧的力量。

人幫機器三件事

人類需要扮演三個重要角色。首先,必須「訓練」機器執行特定任務;其次,是「解釋」這些任務的結果,尤其當結果違背直覺或有爭議時;最後,是「維持」機器能被負責任地使用,例如防止機器人傷害人類。

角色1:訓練師

教導機器執行特定任務

人類必須教導「機器學習演算法」如何執行它被設定該做的工作。為此,要匯集龐大的訓練資料集,來教導機器翻譯應用程式,如何處理慣用語的表達,教導醫療應用程式如何偵測疾病,還有教導推薦引擎如何支援財務決策。此外,必須訓練人工智慧系統如何與人類進行最佳互動。雖然各產業的組織在引進訓練師角色方面,尚在初期階段,但先進的科技公司與研究團體,已擁有成熟的訓練人員與專業。

以微軟公司(Microsoft)的人工智慧助理Cortana為例,這種機器人需要廣泛的訓練,培養出恰好適當的性格:自信、體貼、助人,但又不至於太愛發號施令。為了賦予這些特質,由詩人、小說家、劇作家組成的三人小組,傾注無數時間的心血。同樣地,蘋果公司(Apple)的Siri和亞馬遜(Amazon)的Alexa,也都仰賴訓練師來塑造性格,以準確反映公司的品牌。例如,Siri帶有些許時尚感,或許正符合消費者期待蘋果公司呈現的樣子。

目前人工智慧助理接受的訓練,是要能展現更複雜、更微妙的人類特質,像是同情心。由麻省理工學院媒體實驗室(MIT Media Lab)衍生的新創公司Koko已開發出一項技術,讓人工智慧助理看來好像有同情心。例如,如果使用者今天過得不開心,Koko系統不會制式化回應「真遺憾」之類的話,而可能詢問更多資訊,然後提出勸告,幫助使用者換個角度來看自己的問題。又比如使用者承受壓力時,Koko可能會建議他把這種緊張壓力看成正向情緒,可導向實際的行動。

角色2:解釋者

告訴外行使用者機器的行為

人工智慧透過不透明流程而得到結論的情況(也就是所謂的黑盒子問題),變得愈來愈普遍,因此必須仰賴這個領域的專家,向外行使用者解釋它們的行為。這些「解釋者」在以證據為基礎的產業尤其重要,像是法律與醫療等產業,執業人員必須了解人工智慧如何權衡各項投入因素,然後形成判決或醫療建議等結果。解釋者對保險公司與執法單位也同樣重要,例如,可協助了解為何自動車會採取某些行動而導致意外,或是為何未能防止意外。在受管制產業,解釋者也變得不可或缺;其實,任何面對消費者的產業,只要機器的產出可能被指為不公平、不合法,或者就是不對,都需要解釋者。例如,根據歐盟新實施的「一般資料保護法規」(General Data Protection Regulation,簡稱GDPR),對於任何以演算法為依據的決定,像是信用卡或抵押貸款利率,消費者都有權獲得解釋。在這個領域,人工智慧將有助於增加就業:專家估計,企業未來必須創造75,000個新職位,來負責處理GDPR相關要求。

角色3:維持者

確保人工智慧系統功能正常與安全

除了需要人來解釋人工智慧的結果,公司還需要「維持者」,這些員工持續確保人工智慧系統運作時功能正常、安全、負責任。例如,一批有時會被稱為安全工程師的專家,專門預測並設法防範人工智慧的傷害。負責開發工業機器人好讓它們在人類身邊工作的人員,會特別注意讓它們務必辨識出附近的人類,而且不會傷害他們。如果人工智慧真的造成傷害,像是自動駕駛車引發致命車禍時,這些專家也會檢視解釋者的分析。

人機協作讓公司能以更有效的創新方式,與員工和顧客互動。

人機協作讓公司能以更有效的創新方式,與員工和顧客互動。其他維持者,會確保人工智慧系統遵循道德規範。例如,審核貸款的人工智慧系統如被發現歧視特定群體(這的確發生過),這些道德管理者就會負責調查,並處理這個問題。資料法規遵循人員也扮演類似的角色,要確保送進人工智慧系統的資料,符合GDPR與其他消費者保護法規。至於相關的資料使用者角色,要確保人工智慧用負責任的方式管理資訊。和許多科技公司一樣,蘋果公司在使用者運用公司的裝置及軟體時,會以人工智慧收集詳細的個人資料。這樣做的目標,是要改善使用者體驗,但無節制的資料收集可能損及隱私,惹惱顧客,甚至觸法。該公司「差異化隱私團隊」的工作,就在於確保人工智慧用統計的方式盡可能了解某一群使用者時,也保護個別使用者的隱私。

機器幫人三方式

智慧型機器以三種方式協助人類擴大能力:增強人類的認知能力;與顧客和員工互動,好讓人們有空去從事更高階的任務;實際執行人類技能,以拓展我們的身體能力。

方式1:增強人類認知力

人工智慧提供適當資訊,提升人類創意

人工智慧可適時提供適當的資訊,以提升我們的分析與決策能力,也能提高我們的創意。例如,歐特克(Autodesk)的Dreamcatcher人工智慧,可以強化設計師的想像力,即使是最傑出的設計師也可以。設計師提供給Dreamcatcher有關目標產品的設計標準,像是一張能承重三百磅的椅子、座位離地18吋、材料成本低於75美元等。設計師也可以提供心目中其他理想椅子的資訊。接著,Dreamcatcher會產生幾千個符合這些標準的設計,其中往往閃現設計師原本未曾想到的構想。設計師可再進一步引導Dreamcatcher,告知自己喜歡或不喜歡哪些椅子,然後展開新一輪設計。

透過這種往覆進行的流程,Dreamcatcher執行無數必要的計算,確保提出的每個設計,都符合設定的標準。這麼一來,設計師就有空去專注在發揮人類獨有的強項:專業判斷與美感。

方式2:與員工和顧客互動

人工智慧助理可以代表人類進行溝通

人機協作讓公司能以更有效的創新方式,與員工和顧客互動。例如,像Cortana之類的人工智慧助理可以促進人與人的溝通,或是代表人類進行溝通,像是記錄會議內容,並把可用語音搜尋的版本,傳送給無法與會的人。這種應用在本質上是可擴大規模的,例如,單一聊天機器人可同時對多人提供例行的顧客服務,不論他們身在何處。

瑞典的北歐斯安銀行(SEB)目前使用名為Aida的虛擬助理,與數百萬名顧客互動。Aida能進行口語對話,可運用龐大的資料存檔,也會回答許多常見問題,像是如何開戶或跨國付款。她也能對來電者提出後續詢問,以解決他們的問題,而且還會分析來電者的語氣(像是沮喪或贊許),之後運用這項資訊,提供更好的服務。系統碰到任何無法解決的事項(約30%是這種情況),就會把電話轉給客服人員,然後觀測他們的互動,以學習日後如何解決類似問題。有了Aida處理顧客的基本要求,客服人員就能專注解決更複雜的課題,特別是不滿意顧客的來電,他們可能需要格外安撫。

方式3:體現人類技能

實體機器人,幫人類執行粗重工作

許多人工智慧助理,像是Aida和Cortana,主要是以數位形式存在,但在其他應用上,人工智慧可能是實體機器人,可增強人類工作者的能力。人工智慧賦能的機器擁有精密的感測器、馬達、促動器,因此現在可以辨識人與物,也可以在工廠、倉庫、實驗室內,安全地在人們身邊工作。

例如在製造業,機器人已從有潛在危險的「傻瓜」工業機器,演進為聰明、可感知情境的「協作機器人」(cobot)。例如,協作機器人手臂可執行需舉起重物的重複動作,而人執行需要靈巧與判斷的互補性任務,像是組裝齒輪馬達。

現代集團(Hyundai)把協作機器人的概念,延伸到外骨骼機器人(exo-skeleton)。這些穿戴式機器人裝置,可配合使用者與地點而即時調整,讓工業工作人員能以超人的耐力與力氣來執行職務。

重新設想你的企業

如果想從人工智慧獲得最大價值,營運作業必須重新設計。因此,公司首先必須發現並描述一個可改善的營運領域:或許是不順暢的內部流程(像是人資總是很慢補人),或是原先無解、現在可用人工智慧來解決的問題(例如,迅速在多個病患群體當中找出藥物副作用)。此外,一些新的人工智慧與先進的分析技巧,可協助看出以往看不見、但適合採用人工智慧解決方案的問題(見邊欄:「揭露看不見的問題」)。

在賓士,協作機器人手臂在工人指揮下,撿起並置放笨重零件,成為工人身體的延伸。

在賓士,協作機器人手臂在工人指揮下,撿起並置放笨重零件,成為工人身體的延伸。其次,公司必須透過「共同創造」來開發解決方案,也就是請利害關係人設想如何與人工智慧系統協作,以改善某一流程。例如,一家大型農業公司希望運用人工智慧技術來協助農民。有關土壤性質、天氣形態、以往收成等可用資料,數量相當龐大,而最初的計畫是建立一個人工智慧應用程式,能更準確預測未來的農作物收成。但和農民討論後,公司得知一項更急迫的需求。農民真正想要的,是能即時建議如何提高生產力的系統,包括該種什麼作物、種在哪裡、土壤該用多少氮肥等。於是,公司開發可提供這種建議的人工智慧系統,初步的成果相當理想;農民對人工智慧指導之下獲得的收成很滿意。接著把那次初步測試的結果,回饋到系統裡,修正使用的演算法。就像前述在發現階段的步驟,新的人工智慧和分析技巧,可提出改善流程的新方法,以協助進行共同創造。

第三個步驟是擴大規模,然後持續執行提議的解決方案。例如,北歐斯安銀行最初在內部運用某一版本的Aida,協助15,000名銀行員工,後來又用這個聊天機器人應付一百萬名顧客。

我們透過與數百家公司的合作,發現公司最想改善企業流程的部分,是以下五種特性:彈性、速度、規模、決策、個人化。在重新設想某個企業流程時,應該確認上述哪些特性,對於公司希望進行的轉變最重要,該如何善用人機協作來推動那個轉變,以及必須與其他流程特性進行哪些協調和取捨。

特性1:彈性

協作機器人提升賓士客製化能力

對賓士(Mercedes-Benz)的高階主管來說,流程缺乏彈性,形成日益嚴重的挑戰。該公司利潤最高的顧客群,不斷要求個人化的S系列汽車,但公司的組裝系統無法達到他們希望的客製程度。

傳統上,汽車製造是一個嚴謹的流程,由「傻瓜」機器人執行自動化的步驟。為提升彈性,賓士以人工智慧賦能的協作機器人取而代之,並以人機協作為核心,重新設計各項流程。位於德國斯圖嘉特(Stuttgart)附近的工廠中,協作機器人手臂在工人指揮下,撿起並置放笨重零件,成為工人身體的延伸。這個系統讓工人可控制每輛車的製造,減少體力工作,而進行更多「指揮駕馭」機器人的任務。

賓士公司的人機團隊可迅速進行調整。在工廠裡,用一部平板電腦,即可輕鬆更改協作機器人的程式,根據工作流的變動,讓機器人處理不同的任務。這種靈活度,使得車廠達到前所未有的客製化程度。賓士可根據消費者在經銷商現場即時做的選擇,進行個別化生產,從儀表板零件、到座位皮革,甚至是輪胎閥帽,所有東西都可更動。因此,斯圖嘉特工廠裝配線產出的汽車,沒有兩輛是相同的。

特性2:速度

人工智慧讓匯豐銀行盜刷偵測更準確

對某些企業活動來說,速度是首要好處。其中一項作業,就是偵測信用卡盜刷。公司僅有幾秒鐘的時間,決定是否應該核准某一筆交易。如果那是詐騙,公司很可能得吞下損失;但如果拒絕一筆合法交易,不但賺不到相關手續費,還會惹怒顧客。

匯豐銀行(HSBC)和多數大銀行一樣,開發出以人工智慧為基礎的解決方案,可提升盜刷偵測的速度與準確度。人工智慧每天監看數百萬筆交易,為它們評分,並使用購物地點與顧客行為的資料、IP地址和其他資訊,找出可能有盜刷跡象的隱微模式。匯豐銀行首先在美國實施這個系統,結果明顯降低盜刷未被偵測到與誤判為盜刷(false positive)的比率,接著,又推行到英國與亞洲。丹斯克銀行(Danske Bank)採用另一套人工智慧系統,讓盜刷偵測率改善了50%,而誤判為盜刷的情況則減少60%。誤判為盜刷的數目減少,讓調查人員可集中精力,處理那些人工智慧認定有疑義、需要人為判定的交易。

對抗金融詐欺就像軍備競賽:偵測率提高,引發更惡劣的犯罪,然後又引發更高明的偵測,形成不斷的循環。因此,打擊詐欺的演算法與評分模型,有效期限都很短,需要持續更新。此外,不同國家與地區使用的模型也不同。由於這些原因,人機介面需要大批資料分析師、資訊科技專業人員和金融詐欺專家,才能讓軟體一直領先罪犯一步。

特性3:規模

聯合利華結合人類與人工智慧改善招募流程

對許多企業流程來說,改善的主要障礙,在於規模不易擴大,尤其極少需要機器協助的人力密集流程,更是如此。以下就以聯合利華(Unilever)的員工招募流程為例。這家消費品巨擘希望找到一種方式,讓旗下17萬名員工的背景更多元。人資部門決定把焦點放在新雇用的初階人員,然後讓其中最優秀的人才迅速擔任管理職務。但公司現有的流程,無法評量足夠的潛在招募對象,同時還要個別關注每一位應徵者,以確保招募到多元的傑出人才。

看聯合利華如何結合人類與人工智慧能力,以擴大個別化雇用的規模:在第一輪應徵流程,公司要求應徵者玩線上遊戲,以協助評量風險規避等特質。這些遊戲的答案沒有對錯,但能協助聯合利華的人工智慧,看出哪些人可能最適合某個職位。到了下一輪,公司針對應徵者有興趣的職位設計了一些問題,應徵者錄製一段影片來提交對那些問題的答案。人工智慧系統分析他們的答案,考量的不只是他們回答的內容,還有他們的肢體語言和音調。這一輪裡人工智慧判定的最佳人選,受邀到公司進行面談,由人來作出最終雇用決定。

這種新的招募流程,能否找到更好的人才,目前還言之過早。聯合利華一直在密切追蹤用這種方式雇用的員工表現如何,但還需要更多資料。不過,這個新系統顯然已大幅擴大聯合利華的招募規模。部分原因是求職者很容易用智慧型手機進入這個系統,一年內應徵者人數倍增到三萬人,而應徵者畢業的大學也從840所,激增到2,600所,新進員工的社經背景也變得更為多元。此外,由應徵到決定雇用的平均時間,由四個月縮減到只有四週,而招募人員評估應徵者的時間減少了75%。

特性4:決策

數位雙胞胎,助奇異精省作決策

人工智慧提供特別整理過的相關資訊與指南給員工,可協助他們達成更好的決定。對身處最嚴峻環境的員工,這顯得特別有價值,因為他們的判斷是否正確,對損益影響重大。

以下來看如何運用「數位雙胞胎」(digital twin),也就是實體設備的虛擬模型,來改善設備維修的方式。奇異(GE)為本身的渦輪和其他工業產品,建立這種軟體模型,並以來自那些設備的操作資料,持續更新模型。奇異收集來自營運現場大批機器的讀數,因而累積了豐富的正常與異常表現的資訊。它的Predix軟體平台,運用機器學習演算法,現在可預測個別機器內特定零件何時可能壞掉。

這種科技已徹底改變決策密集的工業設備維修流程。例如,Predix可能發現渦輪的某個轉子(rotor)出現意外磨損,檢查那個渦輪的運轉紀錄,報告這個損壞過去幾個月增加了四倍,並提出警告,如果不採取行動,這個轉子預估會減損70%有效壽命。接著,系統考量機器目前狀況、運作環境,以及其他機器類似的損壞與修理的總體資料,然後建議適當的行動。在提出這些推薦的同時,Predix可算出相關成本和財務利益的資訊,並提供這項分析所用假設的信心水準(如95%)。

如果沒有Predix,工人要在例行維修檢查中發現轉子損壞,得靠運氣。很可能的狀況是,一直沒人察覺這個問題,直到轉子無法運作為止,以致要付出高昂的停機成本。有了Predix,在潛在問題變嚴重之前,維修人員就收到警示,也能取得必要資訊,可作出良好決策;而這些決策,有時可替奇異省下幾百萬美元。

特性5:個人化

Pandora用演算法為你打造播放清單

提供顧客量身打造的個人化品牌體驗,可說是行銷的最高境界。現在有了人工智慧,這種個人化可以實現,而且精準度超乎原先的想像,規模也十分龐大。以音樂串流服務Pandora為例,它運用人工智慧演算法,根據數百萬使用者每個人對歌曲、創作者、音樂類型的偏好,為每一位顧客提出個人化播放清單。又如星巴克(Starbucks),在獲得顧客允許下,運用人工智慧來辨識顧客的行動裝置,並調出過去的點餐紀錄,協助咖啡師提出點餐推薦。人工智慧科技從事本身最拿手的事,篩選並處理浩瀚的資料,以推薦特定的商品或行動;而人也做自己最拿手的事,運用直覺與判斷來提出推薦,或是由一組選項中,挑出最適合的那個選擇。

嘉年華公司(Carnival Corporation)應用人工智慧,為數百萬度假旅客提供個人化遊輪體驗,主要是透過名為海洋徽章(Ocean Medallion)的穿戴式裝置,以及智慧型裝置可連結的一個網路。機器學習能動態處理來自那個徽章,以及遍布全船的偵測器與系統的資料流,協助客人充分享受假期。那個徽章精簡了登船與下船流程、追蹤客人的活動、連結信用卡以簡化購物,還可當作房卡。此外,徽章還連結到客人偏好預測系統,向船上工作人員建議為客人量身打造的活動行程與用餐體驗,以協助他們為每位客人提供個人化服務,。

新角色與人才的需求

重新設想企業流程,需要的不僅是裝設人工智慧科技,也必須積極培養員工具備所謂的「融合技能」,好讓他們有效地在人機介面工作。首先,員工要學習如何把任務交付給新科技,例如醫師放心用電腦協助解讀X光與MRI影像。員工也應該知道如何把自己獨特的人類技能,與聰明的機器結合在一起,取得雙方單打獨鬥無法達到的更佳成果,像是機器人協助進行手術。工作人員必須能教導智慧型代理人新的技能,並接受訓練,以便在由人工智慧強化的流程中好好工作。例如,他們必須知道如何丟問題給智慧型代理人,才最能得到自己需要的資訊。而且,必須有一些員工(就像蘋果公司的差異化隱私團隊成員),來確保公司負責任地使用人工智慧系統,不用於非法或不道德的目的。

我們期待在未來,公司會以重新設想的企業流程所帶來的理想結果為核心,重新設計公司內的角色;而公司也逐漸改為根據不同類別的技能,而不是根據僵化的職銜,來設計組織結構。AT&T已開始這種轉型,從纜線電話服務轉換為行動網路,並開始重新訓練十萬名員工擔任新職位。這次轉型中,公司徹底改造組織圖:簡化了原本約兩千個職銜,變成數目少得多、但更為廣泛的類別,各類別涵蓋類似的技能。其中有的技能不難想像(像是擅長資料科學與資料整理),有些技能就沒那麼顯而易見(像是能把簡單的機器學習工具,用在交叉銷售服務上)。

擁抱協作智慧

人機介面的大多數活動,都需要人類去做不同的新事情(像是訓練聊天機器人),而且要用不同方式做事(像是用聊天機器人提供更好的客服)。然而到目前為止,我們曾調查的公司中,僅有少數開始重新設想本身的企業流程,好讓協力智慧發揮最大效果。但其中的教訓很清楚:組織如果只是使用機器來進行自動化,以取代人力,將會錯失人工智慧的完整潛力。這樣的策略從一開始就方向錯誤。未來能居於領導地位的業者,是那些接受協作智慧的公司,用以改造本身的營運、市場、產業,以及同樣重要的是,改造自家員工。

(李明譯自“Collaborative Intelligence: Humans and AI Are Joining Forces,” HBR, July-August 2018)



詹姆士.威爾遜

詹姆士.威爾遜 H. James Wilson

埃森哲研究所(Accenture Research)資訊科技與企業研究執行董事。


保羅.道格提

保羅.道格提 Paul R. Daugherty

埃森哲顧問公司(Accenture)科技與創新長。兩人合著《人+機器:在人工智慧時代重新設想工作》(Human+Machine: Reimagining Work in the Age of AI, HBR Press, 2018)。


本篇文章主題技術