埃森哲研究所（Accenture Research）資訊科技與企業研究的全球執行董事，與保羅．道格提合著《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）。
現在，我們已經不必為了讓機器學習，去處理龐大的數據，而是能夠根據人們自身的經驗、感受及直覺來教導機器。這樣極度人性化的科技發展，為策略創新打開廣大的可能性，比如特斯拉不同於傳統汽車業，不在硬體上推陳出新，而在軟體上不停迭代，車主等同駕駛一台持續進化的汽車，而車主的使用經驗也可成為回饋數據，持續幫助軟體進行最佳化的更新，如此相輔相成。領導人如果能夠看見人類與科技的根本人性連結所帶來的機會，就可以預先採取行動，掌握未來。
曾經人們擔心，AI的發展會反過來淘汰人類，但是事實證明，那些善於利用人機協作的公司已經取得成功。搭載AI軟體的機器人能夠推進公司的業務，但這一切都建立在人類給予的管理和創新。領導人該如和運用以人為本的AI，打造無縫銜接的人機整合體驗？
2010年代的人工智慧突破，在於各種視覺科技，到了2020年，人工智慧或許可以在創意工作上大有可為，進入語言的領域。OpenAI公司開發的GPT-3，是一種「生成式預先訓練轉化器」，能學習文本當中各個字詞之間的脈絡關係，進行撰寫文稿與樂譜之類的活動，甚至將自然語言轉化為程式語言，進行程式編寫。這將徹底改變各種行業與職能的生態，領導人應著手準備迎接這波變革。
因小數據技術進步而提高的效率、準確度和透明度，逐漸應用在各個產業和企業職能部門。但競爭優勢的來源不會是自動化，而是人為因素。例如，隨著人工智慧在員工技能訓練中扮演的角色日益加重，它從較小數據集當中學習的能力，將讓員工專家能夠把自己的專業知識納入訓練系統之中，持續改善那些系統，並且有效率地將自身技能轉移給其他員工。因此，別低估未開發數據集的力量。
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。
本文說明它將如何改變「資訊科技堆疊」。
應用本文的四個原則，讓人類和機器彼此都變得更好。
物聯網除了工業應用外，以人類為中心的服務也開始興起。改善安全的技術、量化自我的應用程式、使機器最佳化的服務、提升生活體驗這四大熱門應用類別，都顯示出物聯網的大趨勢是個人化服務。
為提供您更多優質的內容，本網站使用cookies分析技術。若繼續閱覽本網站內容，即表示您同意我們使用 cookies，關於更多 cookies 資訊請閱讀我們的隱私權政策。
