雖然量子電腦的運作，如今還只能存在於實驗室中，但距離走進主流市場，已是指日可待。在此之前，企業如何因應這項技術可能帶來的破壞？我們回顧過往重大技術轉變的前例，發現在新舊技術混合的過渡時期，企業會運用結合新與舊的解決方案，在今天的現實和明天的潛力之間架起一座橋梁。資訊技術公司印福思（Infosys）就已經開始嘗試這種混合策略，讓我們看看它是怎麼做的。
關於使用人工智慧，問題不再是應否使用人工智慧，而是運用在哪裡，可以帶來最大的競爭優勢。有三個領域的人工智慧，從「擁有也不錯、沒有也無妨」的技術，轉變為「必須擁有」的技術，即：改善預測、提高效率、優化產品即時定價或存貨控制。比起那些仍保守地猶豫是否要運用人工智慧達成這些目的的競爭對手，這類公司會走得更快且更遠。
由AI推動的精細決定，稱做「微決策」。鑒於AI愈發融入公司的營運決策系統，身為人類的經理人，比起傳統的「做決策」，現在更需要做出「關於決策的決策」，也就是人類該如何與AI搭配，進行各種工作層面的決策。本文介紹四種架構，將幫助你確定，人類該何時介入，以及如何介入。
使用人工智慧的企業，通常會雇用一小群高薪員工，再搭配數百萬個低薪勞工。新的數位鴻溝正在不斷擴大，一邊是有辦法得到高等教育與領導能力培訓的勞工，另一邊是無力取得這些資源，甚至還會受到演算法管理的勞工。面對演算法造成的不平等，企業領導人必須扮演重要的角色，不只應該為自由工作者規畫一些溝通、回饋意見和升遷的管道，還必須認真思考如何重新訓練員工，並提升社區參與。
我們被人看見的能力，日益由編碼和邏輯構成的演算法所控制，而撰寫程式的，是很容易犯錯的人類。另外，決定和控制這類程式運算結果的，往往是黑盒子。長期下來，這類演算法將限制我們可看到的內容，進而強化社會偏見。隨著人工智慧觸及的範圍擴大，這類風險只會愈來愈高。
如果演算法並未支持你對公平性設下的標準，會發生什麼情況？本文提到發生在亞馬遜公司的狀況，以及ProPublica一篇有關機器偏見的文章，並得出結論：公司領導人必須對衡量公平性進行自我教育，以便決定如何為組織定義公平性。這也意味著，應該要把所選的公平性衡量標準納入關鍵績效指標，搭配傳統的業務衡量標準一起使用。
招募方面的最新發展看來既有前景，也令人擔憂。
人工智慧的強大之處，即是透過蒐集的大數據，加上演算法運算能力、領域專業知識的know-how，進行自我診斷、學習，再自我進化。
成功大學資工系暨研究所系主任謝孫源導讀〈康納曼教你精準判斷〉一文，談論什麼是演算法，能帶來什麼效益？演算法可以減少商業決策上的雜音，但仍有兩項主要限制：商業環境變數多且變化大；所需的軟硬體成本高。
LEADERSHIP
PUBLIC-PRIVATE PARTNERSHIPS
STRATEGY
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。
