«Применение современных социологических моделей технологических изменений на рабочем месте все еще находится в зачаточном состоянии. The Machine at Work играет решающую роль в восполнении этого пробела. Это одна из немногих недавних публикаций, помогающих изучать технологические изменения на работе, достигающей совершеннолетия ». Профессор Ричард Бэдхэм, Университет Вуллонгонга

« Эта книга хорошо написана и доступна. The Machine at Work не только представляет интерес для ученых, особенно студентов, изучающих социологию, организационную теорию, инновации и менеджмент, но и предлагает стимулирующее чтение для тех, кто интересуется современным анализом технологий.» The Times Higher Education Supplement

» Прекрасный вводный текст. « Информационные технологии и люди

» [A] увлекательная книга … [Она] поднимает [s] очень реальные методологические вопросы и, более того, по существу, попытки дать на них ответы ». Британский журнал социологии

В основе многих размышлений о технологиях лежит предположение о том, что технический характер и емкость артефактов даны. Непреходящий образ deus ex machina отражает идею о том, что это основная способность «внутри» технологии, которая, в конечном итоге, определяет то, как мы организуем себя, нашу работу и другой жизненный опыт.Напротив, недавние работы в области социологии технологий излагают релятивистские и конструктивистские подходы к технологиям, которые начинают ставить под сомнение это центральное предположение.

The Machine at Work включает переосмысление луддитов; обзор социальных процессов развития информационных технологий; переоценка теорий роли технологий в работе; и анализ общих ограничений некоторых конструктивистских и феминистских взглядов на технологии. В книге утверждается, что только приверженность определенной концепции конструктивизма позволяет радикально переосмыслить технологии и рабочие отношения, которые необходимы.

Этот увлекательный и информативный текст будет интересен студентам в различных предметных областях — от социологии, теории организации и поведения до производственных отношений, менеджмента и бизнес-исследований.

С задней обложки

В основе многих размышлений о технологиях лежит предположение о том, что технический характер и емкость артефактов даны. Непреходящий образ deus ex machina отражает идею о том, что это основная способность «внутри» технологии, которая, в конечном итоге, определяет то, как мы организуем себя, нашу работу и другой жизненный опыт. Напротив, недавние работы в области социологии технологий излагают релятивистские и конструктивистские подходы к технологиям, которые начинают ставить под сомнение это центральное предположение.

The Machine at Work включает переосмысление луддитов; обзор социальных процессов развития информационных технологий; переоценка теорий роли технологий в работе; и анализ общих ограничений некоторых конструктивистских и феминистских взглядов на технологии.В книге утверждается, что только приверженность определенной концепции конструктивизма позволяет радикально переосмыслить технологии и рабочие отношения, которые необходимы.

Этот увлекательный и информативный текст будет интересен студентам в различных предметных областях — от социологии, теории организации и поведения до производственных отношений, менеджмента и бизнес-исследований.

Об авторе

Кейт Гринт — преподаватель исследований в области управления и научный сотрудник по организационному поведению в колледже Темплтон, Оксфорд. Стив Вулгар — директор CRICT и профессор социологии Брунельского университета Западного Лондона.

машиностроительных предприятий | Machine Work Services

Эти операции всегда точны, точны и выполняются своевременно. Такие операции становятся возможными благодаря таким программам, как автоматизированное проектирование или черчение (CAD), которые позволяют проектировать детали точно и быстро. Компьютерное производство (CAM) — еще одна программа, используемая для изготовления продуктов непосредственно из выходных данных CAD, благодаря которой станки с ЧПУ работают так хорошо.Услуги ЧПУ, которые предоставляют помощь в проектировании и производстве, помогают компаниям с производственными затратами, концепциями и технологиями производства. В этих отраслях машиностроение используется в повседневном производстве: оборонная промышленность, авиакосмическая промышленность, стоматология, медицина, продукты питания и напитки, отходы, оборудование, волоконная оптика, автомобилестроение, отдых и многое другое.

Если соответствующая машина для продукта не принадлежит самой производственной компании, то место, где можно заняться машинной работой, — это механический цех с ЧПУ.Независимо от запроса компании, будь то массовое производство стандартизированной детали или индивидуальная сборка отдельной детали, большинство механических цехов могут выполнить свою работу. Однако полезно знать параметры необходимой детали машины.

В некоторых случаях мастерские станков с ЧПУ основывают проектный код на предоставленных им спецификациях. Мастерские станков с ЧПУ также могут взять существующую деталь и создать код на основе программ обработки фотографий. Как постоянные, так и краткосрочные заказы выполняются станочными цехами с ЧПУ.Потенциальные клиенты цеха станков с ЧПУ должны знать о возможностях и ограничениях услуг, которые они стремятся нанять.

Срок выполнения работ, количество и мощность производственных линий, а также другие факторы являются важными факторами, которые следует учитывать перед использованием службы обработки с ЧПУ. Аналогичным образом следует учитывать размеры, материал и особенности обработки. Стандарты механического цеха, о которых лучше всего судить по их соответствию определенным правилам Международной организации по стандартизации (ISO), также помогают при выборе места для работы станков.

Роботы не забирают нашу работу — они становятся нашими боссами

На этапах конференций и во время предвыборных митингов руководители технических компаний и политики предупреждают о надвигающемся кризисе автоматизации — кризисе, когда рабочих постепенно, а затем сразу заменяют интеллектуальными машинами. Но их предупреждения скрывают тот факт, что кризис автоматизации уже наступил. Роботы здесь, они работают в управлении, и они затапливают рабочих в землю.

Роботы следят за горничными в отеле, сообщая им, в какой комнате нужно убрать, и отслеживая, как быстро они это делают.Они управляют разработчиками программного обеспечения, отслеживают их клики и прокрутки и фиксируют зарплату, если они работают слишком медленно. Они слушают сотрудников колл-центра, говорят им, что и как сказать, и постоянно заставляют их быть максимально занятыми. В то время как мы постоянно наблюдали за беспилотными грузовиками, через пять лет прибыли роботы в виде начальника, мастера и менеджера среднего звена.

Эти автоматизированные системы могут обнаруживать неэффективность, которую никогда не обнаружил бы человек-менеджер — мгновенный простой между звонками, привычка задерживаться у кофемашины после завершения задачи, новый маршрут, который, если все пойдет идеально, может доставить еще несколько пакетов. в день.Но для рабочих то, что выглядело как неэффективность алгоритма, было их последним резервом передышки и автономии, и по мере того, как эти небольшие перерывы и незначительные свободы оптимизируются, их работа становится все более напряженной, напряженной и опасной. За последние несколько месяцев я поговорил с более чем 20 сотрудниками в шести странах. Для многих из них больше всего опасается не то, что роботы могут прийти на работу: роботы уже стали их боссами.

В некоторых секторах риски автоматизированного управления более очевидны, чем в Amazon.Программное обеспечение управляет почти всеми аспектами управления складами компании: от того, когда люди работают, до того, как быстро они работают, и до случаев, когда их увольняют за отставание. У каждого рабочего есть «ставка», определенное количество предметов, которые они должны обработать в час, и если они не соблюдают ее, они могут быть автоматически уволены.

Когда Джейк * начал работать на складе во Флориде, он был удивлен тем, как мало там было супервайзеров: всего двое или трое управляли персоналом из более чем 300 человек.«Управление было полностью автоматизировано», — сказал он. Один начальник ходил по этажу с ноутбуком в руке и просил рабочих ускориться, когда их ставка упала. (Amazon заявила, что ее система уведомляет менеджеров, чтобы они говорили с работниками об их работе, и что все окончательные решения по кадровым вопросам, включая увольнения, принимаются руководителями. )

Джейк, который попросил использовать псевдоним из-за страха возмездия, был «воздерживающимся». Его работа заключалась в том, чтобы снять предмет с конвейерной ленты, нажать кнопку, поместить предмет в любой отсек, который велит ему монитор, нажать другую кнопку и повторить.Он сравнил это с выполнением скручивающего выпада каждые 10 секунд без остановки, хотя его поощряла двигаться еще быстрее благодаря гигантской таблице лидеров, изображающей мультяшного бегущего человека, которая показывала показатели 10 самых быстрых рабочих в режиме реального времени. Менеджер иногда продолжал болтать спортивного диктора по внутренней связи: «На третьем месте в первой половине у нас есть Боб со скоростью 697 единиц в час», — вспоминал Джейк. Лучшие исполнители получили валюту Amazon, которую они могли обменять на Amazon Echos и корпоративные футболки. Неэффективные были уволены.

«Ты не остановишься», — сказал Джейк. «Вы буквально не останавливаетесь. Это все равно, что выйти из дома и просто бежать, не останавливаясь ни на что в течение 10 часов подряд, просто бежать ».

Через несколько месяцев он почувствовал жжение в спине. Наблюдатель иногда говорил ему больше сгибать колени при подъеме. Когда Джейк сделал это, его рейтинг упал, и другой начальник посоветовал ему ускориться. «Ты меня разыгрываешь. Идти быстрее?» он вспомнил слова. «Если я пойду быстрее, у меня случится сердечный приступ, и я упаду на пол.Наконец, его спина полностью прогнулась. Ему поставили диагноз: два поврежденных диска, и он стал инвалидом. По его словам, этот показатель был «на 100 процентов» ответственным за его травму.

Каждый работник Amazon, с которым я разговаривал, говорил, что именно автоматически устанавливаемый темп работы, а не физическая сложность самой работы, делает работу такой изнурительной. Любой провал в системе постоянно оптимизируется, а вместе с ним и любая возможность отдохнуть или восстановиться. Рабочий с Западного побережья рассказал мне о новом устройстве, которое проливает свет на предмет, который он должен выбрать, что позволяет Amazon еще больше ускорить темпы и избавиться от того, что работник назвал «микро-остатками», украденными в тот момент, когда это потребовалось. искать следующий предмет на полке.

Люди не могут выдержать такой уровень напряженной работы, не сломавшись. В прошлом году ProPublica , BuzzFeed и другие опубликовали исследования о том, как водители службы доставки Amazon наталкиваются на автомобили и пешеходов, пытаясь завершить свои сложные маршруты, которые генерируются алгоритмически и отслеживаются через приложение на телефонах водителей. В ноябре компания Reveal проанализировала документы с 23 складов Amazon и обнаружила, что почти 10 процентов штатных сотрудников получили серьезные травмы в 2018 году, что более чем вдвое превышает средний показатель по стране для аналогичной работы.Несколько сотрудников Amazon говорили мне, что повторяющиеся стрессовые травмы являются эпидемией, но о них редко сообщают. (Представитель Amazon сказал, что компания серьезно относится к безопасности рабочих, имеет медицинский персонал на месте и призывает работников сообщать обо всех травмах.) Боли в спине, коленях и другие симптомы постоянного напряжения достаточно распространены, чтобы Amazon установила торговые автоматы с болеутоляющими. свои склады.

Неумолимый стресс берет свое. Джейк вспомнил, как кричал на сотрудников, чтобы те двигались быстрее, только чтобы задаться вопросом, что с ним случилось, и извиниться.К концу смены он будет настолько истощен, что сразу же уснет в своей машине на стоянке склада, прежде чем поехать домой. «Многие люди так поступали», — сказал он. «Они просто лежали в своей машине и засыпали». Рабочий из Миннесоты сказал, что работа была усилена алгоритмически до такой степени, что это потребовало переосмысления давних трудовых норм. «Концепция 40-часовой рабочей недели заключалась в том, что вы работаете восемь часов, вы спите восемь часов и у вас есть восемь часов на все, что вы хотите сделать», — сказал он.«Но [что], если вы приходите домой с работы и сразу ложитесь спать, и вы спите 16 часов, или на следующий день после рабочей недели, весь день вы чувствуете похмелье, вы не можете сосредоточиться на вещах, вы просто чувствуете себя дерьмом, теряете время вне работы из-за ее последствий и стрессовых, тяжелых условий? »

Рабочие неизбежно выгорают, но, поскольку каждая задача ежеминутно продиктована машиной, их легко заменить. Джейк подсчитал, что его наняли вместе с 75 людьми, но что он был единственным оставшимся, когда его спина, наконец, сдалась, и большинство из них было сдано дважды.«Вы просто номер, они могут заменить вас кем угодно с улицы за две секунды», — сказал он. «Им не нужны никакие навыки. Им ничего не нужно. Все, что им нужно сделать, это работать очень быстро ».

На складах Amazon есть роботы, которые якобы крадут работу, но они не такие, которые беспокоят большинство рабочих. В 2014 году Amazon начала развертывать роботов для переноски полок, которые автоматизировали прохождение склада для получения товаров. Роботы были настолько эффективны, что требовалось больше людей на других ролях, чтобы не отставать, Amazon построила больше объектов, и теперь в компании работает почти втрое больше рабочих складов, работающих полный рабочий день, чем было, когда роботы были подключены к сети.Но роботы изменили характер работы: вместо того, чтобы ходить по складу, рабочие стояли в клетках, снимая предметы с полок, которые принесли им роботы. Сотрудники говорят, что это одна из самых динамичных и изнурительных ролей на складе. Reveal обнаружил, что травмы чаще случаются на складах с роботами, что имеет смысл, потому что проблема заключается в скорости, а машины, которые больше всего беспокоят рабочих, — это те, которые обеспечивают ее соблюдение.

В прошлом году на предприятиях Amazon прокатилась волна протестов рабочих.Почти все они были вызваны автоматическим управлением, не оставляющим места для удовлетворения основных человеческих потребностей. В Калифорнии работница была автоматически уволена после того, как она превысила свою квоту неоплачиваемого отпуска на один час после смерти члена ее семьи. (Ее снова приняли на работу после того, как ее коллеги подали петицию.) В Миннесоте рабочие ушли с работы в знак протеста против ускорения темпов работы, которое, по их словам, приводило к травмам и не оставляло времени для перерывов в туалетах или религиозных обрядов. Чтобы удовлетворить машину, рабочие чувствовали, что они должны сами стать машинами. Их скандирование: «Мы не роботы».

Каждая промышленная революция — это история как нашей организации работы, так и технологических изобретений. Паровые двигатели и секундомеры существовали на протяжении десятилетий, прежде чем Фредерик Тейлор, оригинальный оптимизатор, использовал их для создания современного завода. Работая на сталелитейном заводе в конце 19 века, он упростил и стандартизировал каждую роль и написал подробные инструкции на карточках; он рассчитывал каждую задачу по секундам и устанавливал оптимальную скорость.Поступив так, он сломил власть квалифицированных ремесленников, сдерживавшуюся темпами производства, и начал эпоху промышленного роста, а также эпоху изнурительной, повторяющейся и опасно ускоряющейся работы.

Именно Генри Форд наиболее полно продемонстрировал силу этого подхода, когда еще больше упростил задачи и расположил их на конвейере. Скорость линии контролировала темп рабочего и давала начальникам простой способ увидеть, кто отстает. Рабочие это абсолютно ненавидели. Работа была настолько бессмысленной и изнурительной, что люди увольнялись толпами, что вынудило Форда удвоить заработную плату.По мере распространения этих методов рабочие часто бастовали или замедляли ход в знак протеста против «ускорения» — надзиратели разгоняли сборочную линию до неприемлемых темпов.

Мы находимся в разгаре очередного большого ускорения. За этим стоит много факторов, но одним из них является цифровизация экономики и новые способы организации работы, которые она открывает. Возьмем розничную торговлю: рабочие больше не стоят в магазинах в ожидании покупателей; с электронной коммерцией их роли разделены. Кто-то работает на складах, где безостановочно выполняет заказы, а кто-то работает в call-центрах, где отвечает вопрос за вопросом.В обоих помещениях за рабочими ведется пристальное наблюдение. Каждое их действие отслеживается сканерами склада и компьютерами колл-центра, которые предоставляют данные для автоматизированных систем, которые поддерживают их работу с максимальной производительностью.

На самом базовом уровне автоматизированное управление начинается с расписания. Алгоритмы планирования существуют с конца 1990-х годов, когда магазины начали использовать их для прогнозирования покупательского трафика и создания соответствующих ему смен. Эти системы делали то же самое, что делал бы владелец бизнеса, когда планировали меньше рабочих на медленное утро и больше на обеденный перерыв, пытаясь максимизировать продажи в расчете на один рабочий час.Программное обеспечение просто лучше справлялось с этим, и оно продолжало улучшаться, учитывая такие переменные, как погода или близлежащие спортивные соревнования, пока оно не смогло прогнозировать потребность в персонале с 15-минутным шагом.

Программа настолько точна, что ее можно использовать для создания гуманных расписаний, сказала Сьюзан Ламберт, профессор Чикагского университета, изучающая нестабильность расписания. Вместо этого он часто используется для координации минимального количества работников, необходимого для удовлетворения прогнозируемого спроса, если не немного меньше. Она отметила, что это даже не обязательно самый прибыльный подход, цитируя проведенное ею исследование Gap: компаниям и инвесторам проще количественно оценить сокращение затрат на рабочую силу, чем потери продаж, потому что покупателям не нравится бродить по заброшенным магазинам. . Но если это плохо для клиентов, то хуже для рабочих, которые вынуждены постоянно участвовать в гонках, чтобы управлять предприятиями, которые постоянно испытывают нехватку кадров.

Хотя они начинались в розничной торговле, сейчас алгоритмы планирования повсеместны. Например, на предприятиях, где Amazon сортирует товары перед доставкой, работникам выдают скелетные расписания и приложение опрашивает их, когда появляются дополнительные часы на складе, иногда всего за 30 минут до того, как они понадобятся.В результате ни у кого никогда не бывает затишья.

Появление дешевых датчиков, сетей и машинного обучения позволило автоматизированным системам управления взять на себя более детальную надзорную роль — и не только в структурированных настройках, таких как склады, но и везде, где работники носят свои устройства. Gig-платформы, такие как Uber, были первыми, кто извлек выгоду из этих технологий, но компании доставки, рестораны и другие отрасли вскоре приняли их методы.

В автоматизированном управлении не было ни единого прорыва, но, как и в случае с секундомером, революционная технология может казаться обыденной, пока не станет основой для нового способа организации работы.Когда программы отслеживания ставок привязаны к складским сканерам или водители такси оснащены приложениями GPS, это позволяет управлять такими масштабами и уровнем детализации, о которых Тейлор мог только мечтать. Было бы непомерно дорого нанять достаточное количество менеджеров, чтобы рассчитывать каждое движение каждого рабочего с точностью до долей секунды или ехать на каждом грузовике, но теперь для этого требуется, может быть, один. Вот почему компании, наиболее агрессивно применяющие эту тактику, принимают схожую форму: большой пул низкооплачиваемых, легко заменяемых, часто частично занятых или контрактных работников; небольшая группа высокооплачиваемых сотрудников, разрабатывающих программное обеспечение для управления ими на высшем уровне.

Это не та промышленная революция, о которой нас предупреждали Илон Маск, Марк Цукерберг и другие в Кремниевой долине. Они по-прежнему зациклены на призраке ИИ, крадущего рабочие места, который изображается как нечто принципиально новое и чрезвычайно тревожное — по словам Эндрю Янга, «модная пила», приходящая для общества, каким мы его знаем. Апокалиптические видения кажутся исключительно лестными для технологической индустрии, которая в состоянии предупредить мир о собственном успехе, забить тревогу, что она изобрела силы, настолько могущественные, что человеческий труд навсегда устареет.Но в своей абстракции в масштабе цивилизации этот взгляд упускает из виду способы, которыми технологии меняют опыт работы, и своим чувством неизбежности он подрывает беспокойство многих тех же людей, которыми сегодня управляют машины. Зачем слишком беспокоиться об условиях для складских рабочих, водителей такси, модераторов контента или представителей колл-центра, когда все говорят, что через несколько лет эти роли будут заменены роботами? Их предложения по политике столь же абстрактны, как и их диагноз, они в основном сводятся к тому, чтобы дать людям деньги, как только за ними придут роботы.

Может быть, когда-нибудь роботы придут к водителям грузовиков и всем остальным, хотя чистое влияние автоматизации на рабочие места до сих пор было менее чем катастрофическим. Технологии, несомненно, лишат людей работы, как это было в прошлом, и стоит подумать о том, как обеспечить им защиту. Но один из вероятных сценариев состоит в том, что эти дальнобойщики не останутся полностью безработными, но, как показывает анализ Центра исследований и образования Калифорнийского университета в Беркли, будут ездить вместе, чтобы помогать в основном автономным транспортным средствам перемещаться по сложным городским улицам, получая более низкую заработную плату в условиях строгого контроля и новые неквалифицированные рабочие места.Или, может быть, они будут в офисах, подобных колл-центру, удаленно устранять неисправности в грузовиках, а их производительность будет отслеживаться с помощью алгоритма. Короче говоря, они обнаружат, что ими управляют машины, подверженные силам, которые росли годами, но в значительной степени игнорируются фетишизмом искусственного интеллекта.

«Апокалипсис роботов уже наступил, — сказала Джоанна Броновицка, исследователь Центра Интернета и прав человека и бывший кандидат в Европарламент. «Просто то, как мы создали эти повествования, и, к сожалению, люди слева и справа, такие как Эндрю Янг и люди в Европе, которые говорят на эту тему, вносят свой вклад в это, они используют язык будущего, который скрывает действительную живую реальность людей прямо сейчас.”

Это не означает, что будущее ИИ не должно беспокоить рабочих. Раньше для автоматического управления заданиями их приходилось разбивать на задачи, которые можно было измерить машинами: поездка, отслеживаемая GPS, предмет, сканированный на складе. Но машинное обучение способно анализировать гораздо менее структурированные данные и создает новые формы работы, от набора текста на компьютере до разговоров между людьми, готовых для роботов-боссов.

Анджела * несколько лет проработала в колл-центре по страхованию, прежде чем уволиться в 2015 году. Как и во многих других колл-центрах, работа была напряженной: клиенты часто были в отчаянии, программное обеспечение отслеживало количество и продолжительность ее звонков, а менеджеры иногда подслушивали на линии, чтобы оценить, как она справляется. Но когда она вернулась в индустрию в прошлом году, что-то изменилось. Помимо обычных показателей, появилась новая — эмоция — и ее оценивал ИИ.

Программное обеспечение, с которым столкнулась Анджела, было от Voci, одной из многих компаний, использующих ИИ для оценки сотрудников колл-центров.Другие показатели Анджелы были превосходными, но программа постоянно отмечала ее отрицательные эмоции, что приводило ее в недоумение, потому что ее менеджеры-люди ранее хвалили ее чуткость по телефону. Никто не мог сказать ей, почему именно она была наказана, но ее лучшее предположение заключалось в том, что ИИ интерпретировал ее динамичный и громкий стиль речи, периоды молчания (результат попытки соответствовать метрике, призванной свести к минимуму задержку людей. ), а выражения озабоченности — как отрицательные.

«Это заставляет меня задаться вопросом, является ли это привилегией фальшивой эмпатии, которая звучит действительно бодро и говорит:« О, мне жаль, что вы имеете дело с этим », — сказала Анджела, которая попросила использовать псевдоним из страха возмездия. «Ощущение, что единственный подходящий способ выразить эмоции — это то, как компьютер говорит, это очень ограничивает. Это также кажется не лучшим опытом для клиентов, потому что, если бы они хотели поговорить с компьютером, они бы остались с IVR [интерактивным голосовым ответом].”

Представитель Voci сказал, что компания обучила свою программу машинного обучения на тысячах часов аудио, которые сотрудники краудсорсинга отметили как демонстрирующие положительные или отрицательные эмоции. Он признал, что эти оценки являются субъективными, но сказал, что в совокупности они должны учитывать такие переменные, как тон и акцент. В конечном итоге представитель сказал, что Voci предоставляет инструмент анализа, а центры обработки вызовов решают, как использовать предоставленные данные.

Проблемы Анджелы с Voci заставили ее опасаться следующего раунда автоматизации.Ее колл-центр находился в процессе внедрения программного обеспечения от Clarabridge, которое автоматизировало бы те части оценки звонков, которые все еще выполняются людьми, например, правильные ли фразы произносят агенты. Ее центр также планировал расширить использование Cogito, который использует ИИ для обучения рабочих в режиме реального времени, предлагая им говорить медленнее, с большей энергией или выражать сочувствие.

Когда люди перечисляют вакансии, подлежащие автоматизации, работники колл-центра приходят сразу после водителей грузовиков. Их работа повторяется, а машинное обучение позволило быстро добиться прогресса в распознавании речи.Но машинное обучение борется с узкоспециализированными и уникальными задачами, и часто люди просто хотят поговорить с человеком, поэтому именно управленческие должности становятся автоматизированными. Google, Amazon и множество небольших компаний анонсировали системы искусственного интеллекта, которые прослушивают звонки и обучают сотрудников или автоматически оценивают их работу. Компания CallMiner, например, рекламирует искусственный интеллект, который оценивает профессионализм, вежливость и сочувствие сотрудников, которые в демонстрационном видео измеряются с точностью до долей процента.

Рабочие говорят, что эти системы часто неуклюжи в оценке человеческого взаимодействия. Один работник утверждал, что они могут достичь своих показателей эмпатии, просто много извиняясь. Другой сотрудник страхового call-центра сказал, что искусственный интеллект Cogito, который должен говорить ей о выражении сочувствия при обнаружении эмоционального расстройства звонящего, по-видимому, запускался любым тональным изменением, даже смехом. Ее коллеге позвонили на рассмотрение супервизору, потому что тревога сочувствия Когито продолжала срабатывать, но когда они прослушали запись, оказалось, что звонивший смеялся от радости по поводу рождения ребенка.Однако работница была занята заполнением форм и уделяла разговору лишь половину внимания, поэтому она продолжала подчиняться ИИ и говорить «извините», что сильно смущало звонившего.

Cogito заявила, что ее система «очень точна и не часто дает ложные срабатывания», но когда это происходит, поскольку она дополняет, а не заменяет людей, агенты колл-центра имеют возможность использовать свое собственное суждение, чтобы адаптироваться к ситуации.

По мере распространения этих систем будет важно оценивать их точность и предвзятость, но они также ставят более простой вопрос: почему так много компаний пытаются автоматизировать эмпатию с самого начала? Ответ кроется в том, как автоматизация сделала работу более интенсивной.

В прошлом работники могли обрабатывать сложный или эмоционально напряженный вызов, смешанный с кучей простых вызовов типа «Я забыл свой пароль», но теперь боты справляются с простыми вызовами. «У нас нет простых звонков, чтобы дать им душевное равновесие, которое мы раньше могли им дать», — сказал Ян Джейкобс из исследовательской компании Forrester. Автоматизированные системы также собирают информацию о клиентах и ​​помогают заполнять формы, что упростит работу, за исключением того, что любое время простоя отслеживается и заполняется дополнительными звонками.

У работницы, которая использовала Cogito, например, была всего одна минута для заполнения страховых бланков между звонками и только 30 минут в месяц на перерывы в туалет и личное время, поэтому она обрабатывала звонки за звонками от людей, имеющих дело с неизлечимыми заболеваниями, умирающих родственников, выкидыши и другие травматические события, каждое из которых она должна была пройти менее чем за 12 минут в течение 10 часов в день. «От этого онемеет», — сказала она. Другие работники говорили о хроническом беспокойстве и бессоннице, которые являются результатом нескольких дней, проведенных за эмоционально грубыми разговорами, в то время как, по словам одного рабочего, «ваш компьютер стоит вам через плечо и произвольно решает, сохранить ли вы свою работу или нет.Эта форма эмоционального выгорания стала настолько распространенной, что отрасль получила название: «усталость от сочувствия». Cogito в электронной книге, объясняющей причину своего искусственного интеллекта, сравнивает сотрудников колл-центра с травматологами, потерявшими чувствительность в течение своей смены, отмечая, что качество работы представителей ухудшается после 25 звонков. Решение, как пишет компания, состоит в том, чтобы использовать ИИ для «масштабного сочувствия».

Стало общепринятым мнение, что межличностные навыки, такие как сочувствие, станут одной из ролей, оставленных людям после того, как роботы возьмут верх, и это часто рассматривается как оптимистичное будущее.Но колл-центры показывают, как это легко может стать темным: автоматизация увеличивает сочувствие, требуемое от рабочих, и автоматизированные системы, используемые для того, чтобы вызвать у них больше сочувствия или, по крайней мере, машиночитаемое приближение к этому. Анджела, работница, борющаяся с Вочи, обеспокоена тем, что, поскольку ИИ используется для противодействия влиянию бесчеловечных условий труда, ее работа станет еще более бесчеловечной.

«Никто не любит звонить в колл-центр», — сказала она. «Тот факт, что я могу привнести сюда человеческий фактор, применить свой собственный стиль, построить с ними отношения и дать им почувствовать, что о них заботятся, — это хорошая часть моей работы. Это то, что придает мне значение, — сказала она. «Но если вы все автоматизируете, вы потеряете гибкость, чтобы иметь человеческую связь».

Мак Рони работал инженером-программистом в Дакке, Бангладеш, когда он увидел в Facebook рекламу компании Crossover Technologies из Остина. Рони нравилась его нынешняя работа, но роль Кроссовера казалась шагом вперед: зарплата была лучше — 15 долларов в час — и в объявлении говорилось, что он может работать, когда захочет, и делать это из дома.

В первый же день ему посоветовали загрузить программу WorkSmart. В видеоролике генеральный директор Crossover Энди Трайба описывает программу как «FitBit для работы». По его словам, современный работник постоянно взаимодействует с облачными приложениями, и это дает огромное количество информации о том, как они проводят свое время, — информации, которую в основном выбрасывают. По его словам, эти данные следует использовать для повышения производительности. Ссылаясь на популярную книгу Кэла Ньюпорта « Deep Work, » об опасностях отвлечения внимания и многозадачности, он говорит, что программное обеспечение позволит работникам достичь новых уровней сосредоточенности.Tryba отображает серию диаграмм, подобных дефрагментации жесткого диска, показывающих, как рабочий день меняется от рассеянного отвлечения к твердым блокам непрерывной продуктивности.

WorkSmart, по сути, превратил рабочий день Рони в твердые блоки продуктивности, потому что, если он когда-либо определил, что он недостаточно много работал, ему не заплатили. Программное обеспечение отслеживало его нажатия клавиш, щелчки мышью и приложения, которые он запускал, — все для оценки его производительности. От него также потребовали предоставить программе доступ к своей веб-камере.Каждые 10 минут программа делала наугад три фотографии, чтобы убедиться, что он находится за своим столом. Если бы Рони не было, когда WorkSmart делал снимок, или если бы он определил, что его работа упала ниже определенного порога производительности, ему не заплатили бы за этот 10-минутный интервал. Другой человек , который начинал с Рони, отказался предоставить программному обеспечению доступ к веб-камере и потерял работу.

Вскоре Рони понял, что, хотя он работал из дома, его старая офисная работа давала больше свободы.Там он мог выйти на обед или сделать перерыв между задачами. В случае с Кроссовером даже использование туалета в собственном доме требовало скорости и стратегии: он начал следить за тем, чтобы мигал зеленый свет его веб-камеры, прежде чем броситься в коридор в ванную комнату, надеясь, что сможет закончить вовремя, прежде чем WorkSmart сделает еще один снимок.

Метрики, которых он придерживался, были чрезвычайно требовательными: около 35 000 строк кода в неделю. В конце концов он сообразил, что от него ожидается около 150 нажатий клавиш каждые 10 минут, поэтому, если он остановится, чтобы подумать, и перестанет печатать, 10-минутный фрагмент его временной карты будет отмечен как «бездействует». «Каждую неделю, если он не проработал 40 часов, которые программа считала продуктивной, его могли уволить, поэтому, по его оценкам, он работал дополнительно 10 часов в неделю без оплаты, чтобы компенсировать время, которое программа сделала недействительной. Четыре других нынешних и бывших сотрудника Crossover — один в Латвии, один в Польше, один в Индии и еще один в Бангладеш — заявили, что они должны были сделать то же самое.

«Первое, что вы потеряете, — это социальная жизнь», — сказал Рони. Он перестал встречаться с друзьями, потому что был привязан к своему компьютеру, стремясь достичь своих показателей.«Обычно я редко выходил на улицу».

Шли месяцы, стресс начал сказываться. Он не мог заснуть. Он не мог слушать музыку, пока работал, потому что программное обеспечение считало YouTube непродуктивным и ограничивало его зарплату. По иронии судьбы его работа начала страдать. «Если у вас есть свобода, настоящая настоящая свобода, тогда я могу выдержать максимальное давление, если это необходимо», — сказал он. Но, работая день за днем ​​под таким напряженным давлением, он выгорал, и его продуктивность падала.

Tryba сказал, что компания представляет собой платформу, которая предоставляет квалифицированных рабочих для предприятий, а также инструменты для управления ими; бизнесу решать, использовать ли эти инструменты и как.Он сказал, что людям не следует работать дополнительные часы без оплаты, и что, если WorkSmart помечает табель учета рабочего времени как свободный, работники могут обратиться к своему руководителю с просьбой отменить его. Он сказал, что если рабочим нужен перерыв, они могут сделать паузу и уйти. На вопрос, почему был необходим такой интенсивный мониторинг, он сказал, что будущее за удаленной работой, которая даст работникам большую гибкость, но что работодателям понадобится способ привлечь работников к ответственности. Кроме того, собранные данные откроют новые возможности для обучения рабочих тому, как быть более продуктивными.

Crossover — далеко не единственная компания, которая почувствовала возможность оптимизации потоков данных, создаваемых цифровыми работниками. У Microsoft есть программное обеспечение Workplace Analytics, которое использует «цифровой выхлоп», производимый сотрудниками, использующими программы компании, для повышения производительности. В области аналитики персонала полно компаний, которые отслеживают активность настольных компьютеров и обещают выявлять время простоя и сокращать количество сотрудников, а оптимизация становится все более резкой и сосредоточенной на отдельных сотрудниках по мере того, как вы спускаетесь по лестнице доходов.Time Doctor Staff.com, популярный среди аутсорсинговых компаний, отслеживает производительность в режиме реального времени, побуждает сотрудников продолжать выполнение задачи, если обнаруживает, что они отвлекаются или бездействуют, и делает скриншоты в стиле кроссовера и фотографии с веб-камеры.

Сэм Лессин, бывший вице-президент Facebook, соучредитель компании Fin, описывает правдоподобное видение того, к чему все это приведет. Fin запускался как приложение для личного помощника, а затем переключился на программное обеспечение, которое он использовал для мониторинга и управления рабочими, которые заставляли помощника работать. (Сотрудница описала свой опыт работы с запросами помощников как колл-центр, но с более строгим надзором и отслеживанием времени простоя.) Работа в области знаний в настоящее время томится в доиндустриальном состоянии, написала Лессин в письме во время разворота, и сотрудники часто сидят без дела в офисах, их труд неизмеримо и неэффективен. Лессин пишет, что ожидаемый взрыв производительности от ИИ произойдет не в результате замены этих рабочих, а в результате использования ИИ для измерения и оптимизации их производительности, как это сделал Фредерик Тейлор с фабричными рабочими.За исключением того, что это будет «облачная фабрика», объединение интеллектуальных работников, организованное с помощью ИИ, к которым предприятия могут подключиться, когда им это нужно, во многом как аренда вычислительных мощностей у Amazon Web Services.

«Промышленная революция, по крайней мере в краткосрочной перспективе, явно не пошла на пользу рабочим», — признал Лессин в письме. Облачная фабрика принесет волну глобализации и снижения квалификации. По его словам, в то время как тщательно продуманные и оптимизированные рабочие места являются меритократией, меритократию можно довести до крайности, цитируя фильм Gattaca .В конечном итоге эти риски перевешиваются тем фактом, что люди могут специализироваться на том, в чем они лучше всего умеют, им придется меньше работать и они смогут делать это более гибко.

Для Рони обещание гибкости Crossover оказалось иллюзией. Через год наблюдение и неослабевающее давление стали слишком сильными, и он ушел. «Я думал, что потерял все», — сказал он. Он бросил свою стабильную офисную работу, потерял связь с друзьями и теперь беспокоился, сможет ли он оплатить свои счета.Но через три месяца он нашел другую работу, одну в старомодном офисе. Заработок был хуже, но он был счастливее. У него был менеджер, который помог ему, когда он застрял. У него были обеденные перерывы, перерывы на отдых и перерывы на чай. «Когда я могу выйти, выпить чаю, повеселиться и отправиться в офис, есть место, где я даже могу поспать. Здесь много свободы ».

Работа всегда означала отказ от некоторой степени свободы. Когда работники устраиваются на работу, они могут согласиться позволить своему начальнику указывать им, как им действовать, как одеваться или где быть в определенное время, и все это считается нормальным.Работодатели действуют как то, что философ Элизабет Андерсон критикует как частные правительства, и люди принимают их использование власти способами, которые казались бы репрессивными, исходящими от государства, потому что, как гласит рассуждение, работники всегда могут уйти. Работники также предоставляют своим работодателям широкие возможности для наблюдения за ними, и это тоже считается в целом нормально, вызывая беспокойство в основном в тех случаях, когда работодатели проникают в частную жизнь работников.

Автоматизированное управление обещает изменить этот расчет.Хотя работодатель всегда имел право следить за вашим рабочим столом в течение дня, это, вероятно, было бы неэффективным использованием его времени. Теперь такое наблюдение не только легко автоматизировать, но и необходимо собирать данные, необходимые для оптимизации работы. Эта логика может показаться непреодолимой для компании, пытающейся снизить затраты, особенно если у нее достаточно большой штат сотрудников, чтобы окупиться незначительное повышение производительности.

Но рабочих, которые терпели абстрактную угрозу слежки, гораздо больше беспокоит, когда эти данные используются для управления каждым их шагом.Рабочий Amazon на Среднем Западе описал мрачное видение будущего. «Мы могли бы иметь алгоритмы, связанные с технологиями, которые непосредственно воздействуют на наши тела и контролируют нашу работу», — сказал он. «Прямо сейчас алгоритм говорит менеджеру кричать на нас. В будущем алгоритм мог бы сообщать шоковому ошейнику… Я засмеялся, и он быстро сказал, что шутил лишь отчасти. В конце концов, Amazon запатентовал браслеты для отслеживания, которые вибрируют, направляя рабочих, а Walmart тестирует ремни, которые отслеживают движения сотрудников склада.«Разве вы не представляете себе будущее, в котором у вас будет свобода выбора между голоданием или работой на складе, — сказал рабочий, — и вы подписываете контракт, в котором соглашаетесь носить что-то подобное, и это сбивает вас с толку, когда вы работаете слишком медленно». и все это во имя повышения вашей эффективности? «Я думаю, что это направление, в котором он может двигаться, если больше людей не будут более сознательными, и не будет больше организованности вокруг того, что на самом деле происходит с нами, как работниками, и того, как общество трансформируется с помощью этой технологии», — сказал он.«Это те вещи, которые не дают мне уснуть по ночам, и о которых я думаю, когда сейчас нахожусь на складе».

Этот рабочий возлагал надежды на профсоюзы и на растущую активность на складах Amazon. Для этого есть прецедент. Рабочие отреагировали на ускорение последней промышленной революции организованием, и темп работы стал стандартной частью профсоюзных договоров.

Темп работы — это лишь одна из форм более широкого вопроса, который эти технологии заставят нас решать: каков правильный баланс между эффективностью и автономией человека? У нас есть беспрецедентные возможности контролировать и оптимизировать поведение сотрудников до мельчайших деталей.Стоит ли предельное повышение производительности заставлять бесчисленное количество людей испытывать хронический стресс и ограничивать их до такой степени, что они чувствуют себя роботами?

Вы можете представить себе версию этих систем, которая собирает данные о рабочих местах, но она анонимна и агрегирована и используется только для улучшения рабочих процессов и процессов. Такая система могла бы получить часть эффективности, которая делает эти системы привлекательными, избегая при этом индивидуализированного микроменеджмента, который раздражает работников. Конечно, это будет означать отказ от потенциально ценных данных.Это потребует признания того, что иногда имеет смысл вообще не собирать данные как средство сохранения пространства для человеческой автономии.

Глубокая разница, которую может дать даже небольшая степень свободы от оптимизации, была очевидна, когда я разговаривал с работником, который недавно уволился со склада Amazon в Стейтен-Айленде, чтобы взять на себя работу по погрузке и разгрузке грузовиков для доставки. У него тоже были сканеры и метрики, но они только измеряли, идет ли его команда в правильном направлении в течение дня, оставляя рабочих определять свои роли и темп.«Это похоже на рай», — сказал он своим коллегам.

работа — определение и значение

Концепция рабочих центров и машинных центров

Что такое рабочие центры и машинные центры в Business Central?

В Business Central у вас могут быть рабочие центры или машинные центры в маршрутизации производственного заказа. Это означает, что если вы работаете с производственными заказами и хотите определить маршрут для создания своих изделий, вы можете определить шаги в маршрутах, и розничная торговля на этом этапе будет либо рабочим центром, либо машинным центром.

Вот что происходит на видео

Давайте посмотрим, как это работает в иерархии этого.

Итак, если мы пойдем в рабочий центр в Business Central.

Мы можем определить рабочие центры и машинные центры ниже этого уровня.

Давайте посмотрим, как это работает, если мы его нарисуем.

В качестве столбца у вас есть рабочий центр с номерами 100, 200, 300 и т. Д., И они могут быть объединены в группы рабочих центров.

Так что, возможно, нам бы хотелось, чтобы группа рабочих центров называлась станками, другая — служащими, третья — складской зубчатой ​​передачей, и в разных рабочих центрах мы могли бы определить станочные центры, такие как сверлильные станки, станки для снятия заусенцев, резьбонарезные станки или сотрудников, как неквалифицированных и центры квалифицированной работы с машинными центрами, называемыми механиками и т. д.

Итак, машинный центр является частью рабочего центра.

Машинные центры могут иметь мощность в этом сценарии: два, один, один и так далее, и мы можем определить машинный центр или рабочий центр на линии маршрута.

Имейте в виду, что если вы хотите работать с сотрудниками как с машинными центрами или рабочими центрами, вам придется настроить их как параллельные мощности для управления ими в системе.

Давайте вернемся в Business Central, чтобы посмотреть, как они выглядят.

Итак, у рабочего центра, например, у сборочного цеха есть много определений.

Мы пробежимся по полям в другом видео, и вы настроите здесь рабочий центр, а также у вас есть машинный центр, который является частью рабочего центра.

Итак, если вы пойдете в машинный центр здесь, здесь вы увидите, что все вкладки здесь похожи на на рабочий центр, и у вас есть номер рабочего центра, по которому вы можете подписать этот машинный центр с конкретным рабочим центром.

Оба они будут объяснены в другом видео.

Как люди и ИИ работают вместе в 1500 компаниях

Вкратце

Прогноз

Искусственный интеллект трансформирует бизнес — и оказывает наиболее существенное влияние, когда он увеличивает количество сотрудников, а не заменяет их.

Детали

Компании видят наибольший прирост производительности при взаимодействии людей и интеллектуальных машин. Люди нужны для обучения машин, объяснения их результатов и обеспечения их ответственного использования. ИИ, в свою очередь, может улучшить когнитивные навыки и творческие способности людей, освободить рабочих от низкоуровневых задач и расширить их физические возможности.

Рецепт

Компаниям следует переосмыслить свои бизнес-процессы, сосредоточив внимание на использовании ИИ для достижения большей операционной гибкости или скорости, большего масштаба, лучшего принятия решений или большей персонализации продуктов и услуг.

Искусственный интеллект хорошо справляется со многими «человеческими» задачами — диагностированием болезней, переводом языков, обслуживанием клиентов — и быстро совершенствуется. Это вызывает обоснованные опасения, что ИИ в конечном итоге заменит людей во всей экономике. Но это не неизбежный и даже не самый вероятный результат. Никогда прежде цифровые инструменты не были так отзывчивы к нам, как и мы к нашим инструментам. Хотя ИИ радикально изменит то, как выполняется работа и кто ее выполняет, большее влияние технологии будет заключаться в дополнении и расширении человеческих возможностей, а не в их замене.

Конечно, многие компании использовали ИИ для автоматизации процессов, но те, кто использует его в основном для увольнения сотрудников, увидят лишь краткосрочный прирост производительности. В нашем исследовании с участием 1500 компаний мы обнаружили, что компании достигают наиболее значительного повышения производительности, когда люди и машины работают вместе. Посредством такого коллективного интеллекта люди и ИИ активно усиливают взаимодополняющие сильные стороны друг друга: лидерство, командная работа, креативность и социальные навыки первых, а также скорость, масштабируемость и количественные возможности вторых.То, что дается людям естественно (например, шутить), может быть непросто для машин, а то, что просто сделать для машин (анализ гигабайт данных), для людей остается практически невозможным. Бизнес требует обоих видов возможностей.

Чтобы в полной мере использовать преимущества этого сотрудничества, компании должны понимать, как люди могут наиболее эффективно дополнять машины, как машины могут улучшить то, что люди делают лучше всего, и как изменить бизнес-процессы для поддержки партнерства. Благодаря нашим исследованиям и работе в этой области мы разработали руководящие принципы, которые помогут компаниям достичь этого и задействовать возможности коллективного интеллекта.

Человек, помогающий машинам

Людям необходимо выполнять три важнейшие роли. Они должны обучить машин для выполнения определенных задач; объясняют результаты этих задач, особенно когда результаты противоречивы или противоречивы; и поддерживают ответственное использование машин (например, предотвращая нанесение роботами вреда людям).

Обучение.

алгоритмов машинного обучения необходимо научить выполнять работу, для которой они предназначены. В результате накапливаются огромные наборы данных для обучения, чтобы научить приложения машинного перевода обрабатывать идиоматические выражения, медицинские приложения для обнаружения болезней и механизмы рекомендаций для поддержки принятия финансовых решений. Кроме того, системы ИИ должны быть обучены тому, как лучше всего взаимодействовать с людьми. В то время как организации из разных секторов сейчас находятся на ранних этапах заполнения ролей инструкторов, ведущие технологические компании и исследовательские группы уже имеют зрелые учебные кадры и опыт.

Рассмотрим помощника Microsoft по ИИ, Кортану. Боту требовалась обширная подготовка, чтобы развить правильную личность: уверенную, заботливую и полезную, но не властную. На воспитание этих качеств ушло бесчисленное количество часов внимания команды, в которую входили поэт, писатель и драматург. Точно так же нужны были инструкторы-люди, чтобы развить индивидуальность Siri от Apple и Alexa от Amazon, чтобы они точно отражали бренды своих компаний. В Siri, например, есть легкая дерзость, как и следовало ожидать от Apple.

помощников ИИ сейчас обучаются проявлять еще более сложные и тонкие человеческие черты, такие как сочувствие. Стартап Koko, ответвление MIT Media Lab, разработал технологию, которая может помочь помощникам ИИ проявить сочувствие. Например, если у пользователя плохой день, система Koko не отвечает шаблонным ответом, таким как «Мне жаль это слышать». Вместо этого он может запросить дополнительную информацию, а затем предложить совет, чтобы помочь человеку увидеть свои проблемы в другом свете.Например, если он испытывал стресс, Коко мог бы порекомендовать думать об этом напряжении как о положительной эмоции, которую можно направить в действие.

Объяснение.

Поскольку ИИ все чаще приходят к выводам с помощью непрозрачных процессов (так называемая проблема черного ящика), они требуют, чтобы специалисты в этой области объяснили свое поведение неопытным пользователям. Эти «объяснения» особенно важны в отраслях, основанных на доказательствах, таких как право и медицина, где практикующий должен понимать, как ИИ взвесил данные, скажем, при вынесении приговора или медицинской рекомендации.Разъяснители также важны, помогая страховщикам и правоохранительным органам понять, почему автономный автомобиль совершил действия, которые привели к аварии или не смогли ее избежать. И объяснители становятся неотъемлемой частью регулируемых отраслей — по сути, любой отрасли, ориентированной на потребителя, где производительность машины может быть оспорена как несправедливая, незаконная или просто неправильная. Например, новый Общий регламент ЕС по защите данных (GDPR) дает потребителям право получать объяснение любого решения на основе алгоритма, такого как предложение ставки по кредитной карте или ипотеке.Это одна из областей, где ИИ будет способствовать увеличению на рабочих мест на человек: по оценкам экспертов, компаниям придется создать около 75000 новых рабочих мест для выполнения требований GDPR.

Поддержание.

Помимо людей, которые могут объяснить результаты ИИ, компаниям нужны «поддерживающие» — сотрудники, которые постоянно работают над тем, чтобы системы ИИ функционировали должным образом, безопасно и ответственно.

AI может повысить наши аналитические способности и способность принимать решения, а также повысить творческий потенциал.

Например, ряд экспертов, которых иногда называют инженерами по безопасности, сосредоточены на прогнозировании и попытках предотвратить вред от ИИ. Разработчики промышленных роботов, которые работают вместе с людьми, уделили особое внимание тому, чтобы они узнавали людей поблизости и не подвергали их опасности. Эти эксперты могут также просмотреть анализ объяснителей, когда ИИ действительно причиняет вред, например, когда беспилотный автомобиль попадает в аварию со смертельным исходом.

Эта статья также встречается в:

Другие группы специалистов следят за соблюдением этических норм в системах искусственного интеллекта.Если, например, будет обнаружено, что система искусственного интеллекта для утверждения кредита дискриминирует людей в определенных группах (как это произошло), эти менеджеры по этике несут ответственность за расследование и решение проблемы. Выполняя аналогичную роль, специалисты по контролю за соблюдением данных стараются обеспечить соответствие данных, поступающих в системы искусственного интеллекта, GDPR и другим правилам защиты прав потребителей. Связанная с этим роль по использованию данных включает обеспечение ответственного управления информацией ИИ. Как и многие технологические компании, Apple использует ИИ для сбора личных данных о пользователях, когда они взаимодействуют с устройствами и программным обеспечением компании. Цель состоит в том, чтобы улучшить взаимодействие с пользователем, но неограниченный сбор данных может поставить под угрозу конфиденциальность, разозлить клиентов и нарушить закон. «Команда дифференцированной конфиденциальности» компании работает над тем, чтобы, хотя ИИ стремится узнать как можно больше о группе пользователей в статистическом смысле, он защищает конфиденциальность отдельных пользователей.

Машины, помогающие людям

Умные машины помогают людям расширить свои возможности тремя способами. Они могут усилить наших когнитивных способностей; взаимодействуют с клиентами и сотрудниками, чтобы освободить нас для выполнения задач более высокого уровня; и воплощают человеческих навыков для расширения наших физических возможностей.

Усилительный.

Искусственный интеллект может повысить наши аналитические способности и способность принимать решения, предоставляя нужную информацию в нужное время. Но это также может повысить творческий потенциал. Подумайте, как AI от Autodesk Dreamcatcher расширяет воображение даже выдающихся дизайнеров. Дизайнер предоставляет Ловцу снов критерии желаемого продукта — например, стул, способный выдержать до 300 фунтов, с сиденьем на высоте 18 дюймов от земли, сделанный из материалов стоимостью менее 75 долларов и т. Д.Она также может предоставить информацию о других стульях, которые ей нравятся. Затем «Ловец снов» создает тысячи дизайнов, соответствующих этим критериям, часто порождая идеи, которые дизайнер изначально мог не учитывать. Затем она может направлять программу, сообщая ей, какие стулья ей нравятся, а какие нет, что ведет к новому витку дизайна.

На протяжении итеративного процесса «Ловец снов» выполняет бесчисленные вычисления, необходимые для того, чтобы гарантировать, что каждый предложенный дизайн соответствует указанным критериям.Это дает дизайнеру возможность сосредоточиться на использовании уникальных человеческих сильных сторон: профессионального суждения и эстетической чувствительности.

Взаимодействие.

Совместная работа человека и машины позволяет компаниям взаимодействовать с сотрудниками и клиентами новыми и более эффективными способами. Например, агенты искусственного интеллекта, такие как Кортана, могут облегчить общение между людьми или от имени людей, например, путем записи собрания и распространения версии с возможностью голосового поиска для тех, кто не смог присутствовать.Такие приложения по своей сути являются масштабируемыми — например, один чат-бот может обеспечивать регулярное обслуживание клиентов одновременно большому количеству людей, где бы они ни находились.

Сопутствующие инструменты

SEB, крупный шведский банк, теперь использует виртуального помощника Aida для взаимодействия с миллионами клиентов. Способная вести разговор на естественном языке, Aida имеет доступ к обширным хранилищам данных и может ответить на многие часто задаваемые вопросы, например, как открыть счет или совершать международные платежи. Она также может задавать абонентам дополнительные вопросы, чтобы решить их проблемы, и она может анализировать тон голоса звонящего (например, разочарованный или благодарный) и использовать эту информацию, чтобы в дальнейшем улучшить обслуживание. Всякий раз, когда система не может решить проблему — что происходит примерно в 30% случаев, — она ​​передает звонящего представителю службы поддержки клиентов, а затем отслеживает это взаимодействие, чтобы узнать, как разрешить аналогичные проблемы в будущем. Благодаря тому, что Aida обрабатывает основные запросы, представители людей могут сосредоточиться на решении более сложных проблем, особенно от недовольных абонентов, которым может потребоваться дополнительная помощь.

воплощение.

Многие ИИ, такие как Aida и Cortana, существуют в основном как цифровые объекты, но в других приложениях интеллект воплощен в роботе, который дополняет человека. Благодаря своим сложным датчикам, двигателям и исполнительным механизмам машины с поддержкой ИИ теперь могут распознавать людей и объекты и безопасно работать вместе с людьми на фабриках, складах и в лабораториях.

Например, в производстве роботы превращаются из потенциально опасных и «глупых» промышленных машин в умных, контекстно-зависимых «коботов».«Рука кобота может, например, выполнять повторяющиеся действия, требующие подъема тяжестей, в то время как человек выполняет дополнительные задачи, требующие сноровки и человеческого суждения, такие как сборка мотор-редуктора.

Hyundai расширяет концепцию коботов за счет экзоскелетов. Эти носимые роботизированные устройства, которые адаптируются к пользователю и местоположению в режиме реального времени, позволят промышленным рабочим выполнять свою работу с нечеловеческой выносливостью и силой.

Новый взгляд на ваш бизнес

Чтобы получить максимальную отдачу от ИИ, необходимо изменить структуру операций.Для этого компании должны сначала обнаружить и описать операционную область, которую можно улучшить. Это может быть запутанный внутренний процесс (например, медлительность HR при заполнении штатных должностей), или это может быть ранее неразрешимая проблема, которую теперь можно решить с помощью искусственного интеллекта (например, быстрое выявление побочных реакций на лекарства среди групп пациентов). Более того, ряд новых ИИ и передовых аналитических методов может помочь выявить ранее невидимые проблемы, которые можно решить с помощью ИИ-решений.

Затем компании должны разработать решение путем совместного творчества — заинтересованные стороны должны представить себе, как они могут сотрудничать с системами ИИ для улучшения процесса.Рассмотрим случай с крупной сельскохозяйственной компанией, которая хотела использовать технологию искусственного интеллекта для помощи фермерам. Было доступно огромное количество данных о свойствах почвы, погодных условиях, прошлых урожаях и т. Д., И первоначальный план состоял в том, чтобы создать приложение AI, которое более точно предсказывало бы будущие урожаи. Но в ходе бесед с фермерами компания узнала о более насущной необходимости. На самом деле фермерам нужна была система, которая могла бы в режиме реального времени давать рекомендации о том, как повысить продуктивность — какие культуры сажать, где их выращивать, сколько азота использовать в почве и так далее. Компания разработала систему искусственного интеллекта, чтобы предоставлять такие советы, и первые результаты были многообещающими; Фермеры были довольны урожайностью, полученной под руководством ИИ. Затем результаты этого первоначального теста были возвращены в систему для уточнения используемых алгоритмов. Как и на этапе открытия, новый ИИ и аналитические методы могут помочь в совместном творчестве, предлагая новые подходы к улучшению процессов.

Третий шаг для компаний — это масштабирование и поддержка предлагаемого решения.SEB, например, первоначально развернул версию Aida внутри компании, чтобы помочь 15 000 банковских служащих, но затем развернул чат-бота для своего миллиона клиентов.

Работая с сотнями компаний, мы определили пять характеристик бизнес-процессов, которые компании обычно хотят улучшить: гибкость, скорость, масштабируемость, принятие решений и персонализация. При переосмыслении бизнес-процесса определите, какая из этих характеристик является центральной для желаемой трансформации, как можно использовать интеллектуальное сотрудничество для ее решения и какие согласования и компромиссы с другими характеристиками процесса потребуются.

В Mercedes-Benz коботы стали продолжением тела человека-рабочего.

Гибкость.

Для руководителей Mercedes-Benz негибкие процессы становились все более серьезной проблемой. Самые прибыльные клиенты компании все чаще требовали индивидуализированных седанов S-класса, но сборочные системы автопроизводителя не могли обеспечить требуемых людям настроек.

Традиционно производство автомобилей представляло собой жесткий процесс с автоматизированными этапами, выполняемыми «глупыми» роботами.Чтобы повысить гибкость, Mercedes заменил некоторых из этих роботов на коботов с поддержкой ИИ и переработал свои процессы с учетом взаимодействия человека и машины. На заводе компании недалеко от Штутгарта, Германия, коботы, управляемые рабочими-людьми, собирают и размещают тяжелые детали, становясь продолжением тела рабочего. Эта система позволяет рабочему контролировать сборку каждой машины, делая меньше ручного труда и больше выполняя «пилотажную» работу с роботом.

Человеко-машинные команды компании могут адаптироваться на лету.На заводе коботов можно легко перепрограммировать с помощью планшета, что позволяет им выполнять различные задачи в зависимости от изменений в рабочем процессе. Такая маневренность позволила производителю достичь беспрецедентного уровня настройки. Mercedes может индивидуализировать производство автомобилей в соответствии с выбором потребителей в дилерских центрах в режиме реального времени, изменяя все, от компонентов приборной панели автомобиля до кожи сидений и крышек клапанов шин. В результате с конвейера завода в Штутгарте сходят две одинаковые машины.

Скорость.

Для некоторых видов деятельности больше всего важна скорость. Одна из таких операций — выявление мошенничества с кредитными картами. У компаний есть считанные секунды, чтобы определить, следует ли им одобрить ту или иную сделку. Если это мошенничество, им, скорее всего, придется съесть эту потерю. Но если они отрицают законную транзакцию, они теряют комиссию за эту покупку и злят покупателя.

Как и большинство крупных банков, HSBC разработал решение на основе искусственного интеллекта, которое повышает скорость и точность обнаружения мошенничества.ИИ ежедневно отслеживает и оценивает миллионы транзакций, используя данные о местонахождении покупок и поведении клиентов, IP-адресах и другую информацию для выявления скрытых закономерностей, которые сигнализируют о возможном мошенничестве. HSBC сначала внедрил систему в Соединенных Штатах, значительно снизив уровень необнаруженного мошенничества и ложных срабатываний, а затем развернул ее в Великобритании и Азии. Другая система искусственного интеллекта, используемая Danske Bank, повысила уровень обнаружения мошенничества на 50% и снизила количество ложных срабатываний на 60%. Уменьшение количества ложных срабатываний позволяет исследователям сосредоточить свои усилия на сомнительных транзакциях, отмеченных ИИ, где требуется человеческое суждение.

Борьба с финансовым мошенничеством похожа на гонку вооружений: лучшее обнаружение ведет к появлению более изощренных преступников, что ведет к лучшему обнаружению, что продолжает цикл. Таким образом, алгоритмы и модели оценки для борьбы с мошенничеством имеют очень короткий срок хранения и требуют постоянного обновления. Кроме того, в разных странах и регионах используются разные модели. По этим причинам необходимы легионы аналитиков данных, ИТ-специалистов и экспертов по финансовому мошенничеству на интерфейсе между людьми и машинами, чтобы программное обеспечение было на шаг впереди преступников.

Масштаб.

Для многих бизнес-процессов плохая масштабируемость является основным препятствием для улучшения. Это особенно верно в отношении процессов, которые зависят от интенсивного человеческого труда с минимальным использованием машин. Рассмотрим, например, процесс найма сотрудников в Unilever. Гигант потребительских товаров искал способ диверсифицировать свою рабочую силу, насчитывающую 170 000 человек. Отдел кадров решил, что необходимо сосредоточиться на приеме на работу начального уровня, а затем ускорить переход лучших к руководству. Но существующие в компании процессы не позволяли оценивать потенциальных сотрудников в достаточном количестве, уделяя при этом каждому кандидату индивидуальное внимание, чтобы обеспечить разнообразие исключительных талантов.

Вот как Unilever объединила возможности человека и искусственного интеллекта для масштабирования индивидуального найма: на первом этапе процесса подачи заявки кандидатам предлагается сыграть в онлайн-игры, которые помогают оценить такие черты характера, как неприятие риска. В этих играх нет правильных или неправильных ответов, но они помогают ИИ Unilever определить, какие люди лучше всего подходят для той или иной должности. В следующем раунде кандидатов просят предоставить видео, в котором они отвечают на вопросы, разработанные для конкретной должности, которая их интересует.Их ответы анализируются системой искусственного интеллекта, которая учитывает не только то, что они говорят, но также язык их тела и тон. Лучшие кандидаты из этого раунда, по оценке ИИ, затем приглашаются в Unilever для личного собеседования, после чего люди принимают окончательные решения о найме.

Еще рано говорить о том, привел ли новый процесс найма к лучшему персоналу. Компания внимательно следит за успехами этих сотрудников, но по-прежнему необходимы дополнительные данные. Однако очевидно, что новая система значительно расширила масштабы приема на работу в Unilever.Отчасти из-за того, что соискатели могут легко получить доступ к системе с помощью смартфона, количество соискателей удвоилось до 30 000 в течение года, количество представленных университетов выросло с 840 до 2600, а социально-экономическое разнообразие новых сотрудников увеличилось. Кроме того, среднее время от подачи заявки до принятия решения о приеме на работу сократилось с четырех месяцев до четырех недель, а время, которое рекрутеры тратят на рассмотрение заявок, сократилось на 75%.

Эта статья также встречается в:

Принятие решения.

Предоставляя сотрудникам индивидуализированную информацию и рекомендации, ИИ может помочь им принимать более обоснованные решения. Это может быть особенно полезно для рабочих в окопах, где правильное решение может иметь огромное влияние на чистую прибыль.

Рассмотрим, как улучшается обслуживание оборудования с помощью «цифровых двойников» — виртуальных моделей физического оборудования. General Electric создает такие программные модели своих турбин и других промышленных продуктов и постоянно обновляет их с помощью потоковой передачи рабочих данных с оборудования.Собирая показания с большого количества машин в полевых условиях, GE собрала огромное количество информации о нормальных и отклоняющихся от нормы характеристиках. Его приложение Predix, использующее алгоритмы машинного обучения, теперь может предсказать, когда конкретная часть отдельной машины может выйти из строя.

Эта технология коренным образом изменила процесс обслуживания промышленного оборудования, требующий больших усилий. Predix может, например, выявить некоторый неожиданный износ ротора в турбине, проверить историю эксплуатации турбины, сообщить, что повреждения увеличились в четыре раза за последние несколько месяцев, и предупредить, что, если ничего не будет сделано, ротор потеряет примерно 70% срока полезного использования.Затем система может предложить соответствующие действия, принимая во внимание текущее состояние машины, операционную среду и агрегированные данные об аналогичных повреждениях и ремонтах других машин. Наряду со своими рекомендациями Predix может генерировать информацию об их затратах и ​​финансовых преимуществах и обеспечивать уровень достоверности (скажем, 95%) для допущений, используемых в его анализе.

Без Predix рабочим повезло бы обнаружить повреждение ротора во время планового технического обслуживания.Возможно, он останется незамеченным до тех пор, пока ротор не сломается, что приведет к дорогостоящему останову. С Predix обслуживающий персонал получает предупреждение о потенциальных проблемах до того, как они станут серьезными, и у них есть необходимая информация для принятия правильных решений, которые иногда могут сэкономить GE миллионы долларов.

Персонализация.

Обеспечение клиентов индивидуальным подходом к бренду — это святой Грааль маркетинга. Благодаря ИИ такая персонализация теперь может быть достигнута с невообразимой ранее точностью и в огромных масштабах.Подумайте о том, как служба потоковой передачи музыки Pandora использует алгоритмы искусственного интеллекта для создания персонализированных списков воспроизведения для каждого из миллионов пользователей в соответствии с их предпочтениями в отношении песен, исполнителей и жанров. Или рассмотрим Starbucks, который с разрешения клиентов использует искусственный интеллект для распознавания их мобильных устройств и вызова их истории заказов, чтобы помочь бариста дать рекомендации. Технология искусственного интеллекта делает то, что умеет лучше всего, просматривая и обрабатывая огромные объемы данных, чтобы рекомендовать определенные предложения или действия, а люди делают то, что у них получается лучше всего, используя свою интуицию и рассудительность, чтобы дать рекомендации или выбрать наиболее подходящий из набора выбор.

Корпорация Carnival применяет искусственный интеллект, чтобы персонализировать круиз для миллионов отдыхающих с помощью носимого устройства Ocean Medallion и сети, которая позволяет подключать интеллектуальные устройства. Машинное обучение динамически обрабатывает данные, поступающие от медальона, а также от датчиков и систем по всему кораблю, чтобы помочь гостям получить максимум удовольствия от отпуска. Медальон упрощает процессы посадки и высадки, отслеживает действия гостей, упрощает совершение покупок за счет подключения их кредитных карт к устройству и действует как ключ от номера. Он также подключается к системе, которая предугадывает предпочтения гостей, помогая членам экипажа предоставлять индивидуальное обслуживание каждому гостю, предлагая индивидуальные маршруты мероприятий и обедов.

Потребность в новых ролях и талантах

Переосмысление бизнес-процесса требует не только внедрения технологии искусственного интеллекта; это также требует серьезной приверженности развитию сотрудников с тем, что мы называем «навыками слияния» — такими, которые позволяют им эффективно работать в человеко-машинном интерфейсе.Для начала люди должны научиться делегировать задачи новой технологии, как если бы врачи доверяли компьютерам считывать рентгеновские снимки и МРТ. Сотрудники также должны знать, как объединить свои отличительные человеческие навыки с навыками умной машины, чтобы получить лучший результат, чем любой из них может достичь в одиночку, как в роботизированной хирургии. Рабочие должны уметь обучать интеллектуальных агентов новым навыкам и проходить обучение, чтобы хорошо работать в процессах, усовершенствованных с помощью ИИ. Например, они должны знать, как лучше всего задавать вопросы агенту ИИ, чтобы получить необходимую информацию.И должны быть сотрудники, такие как сотрудники отдела дифференцированной конфиденциальности Apple, которые следят за тем, чтобы системы ИИ их компаний использовались ответственно, а не в незаконных или неэтичных целях.

Мы ожидаем, что в будущем роли в компаниях будут изменены с учетом желаемых результатов переосмысленных процессов, а корпорации будут все больше организовываться на основе различных типов навыков, а не на основе жестких названий должностей. AT&T уже начала этот переход, перейдя от услуг фиксированной телефонной связи к мобильным сетям и приступив к переобучению 100 000 сотрудников на новые должности.В рамках этих усилий компания полностью пересмотрела свою организационную структуру: около 2000 названий должностей были преобразованы в гораздо меньшее количество широких категорий, охватывающих аналогичные навыки. Некоторые из этих навыков вполне ожидаемы (например, знание науки о данных и обработки данных), в то время как другие менее очевидны (например, способность использовать простые инструменты машинного обучения для перекрестных продаж услуг).

ЗАКЛЮЧЕНИЕ

Большинство действий в человеко-машинном интерфейсе требует от людей делать новые и разные вещи (например, обучать чат-бота) и делать что-то иначе (использовать этого чат-бота для улучшения обслуживания клиентов).Однако пока лишь небольшое количество опрошенных нами компаний начали переосмысливать свои бизнес-процессы, чтобы оптимизировать совместную аналитику. Но урок очевиден: организации, которые используют машины только для увольнения работников посредством автоматизации, упускают весь потенциал ИИ. Такая стратегия ошибочна с самого начала. Вместо этого лидерами завтрашнего дня будут те, кто воспользуется коллективным интеллектом, трансформируя свои операции, свои рынки, свои отрасли и, что не менее важно, свою рабочую силу.

, чтобы заставить машину или часть оборудования работать — синонимы и родственные слова

Связанные слова

коаксиальный

, чтобы заставить что-то, например, машину или часть оборудования, делать то, что вы хотите, проявляя умение, мягкость, и пациент

контролирует

, чтобы заставить машину, систему, транспортное средство и т. д. двигаться или работать так, как вы хотите,

извлечь глагол

, чтобы что-то получилось из машины, например DVD из DVD-плеер или компакт-диск из компьютера

возбудить

для создания электричества или другой формы потока энергии в машину

задействовать

, если задействована часть машины, или если вы ее задействуете, она вписывается в другая часть, чтобы они работали вместе

flash

для включения, включения и выключения яркого света, особенно в качестве сигнала

flick

, чтобы переместить переключатель, чтобы повернуть что-то вроде li ght или машина вкл / выкл

переведите переключатель

, чтобы включить свет, машину и т. д.вкл. или выкл.

включите фразовый глагол

, чтобы включить свет, машину и т. д.

focus

, чтобы повернуть деталь на фотоаппарате, телескопе, микроскопе и т. д., пока вы не увидите что-то четко

смазка

, чтобы смазывать что-то, чтобы оно работало без сбоев

имеет фразовый глагол

, если у вас есть радио, телевидение, отопление и т. Д., Вы включили его, и он работает

hit

говорят, чтобы нажать что-то, например выключатель на машине, транспортном средстве или компьютере, чтобы заставить его что-то сделать

смазывать

, чтобы нанести масло на части машины, которые движутся, чтобы заставить их двигаться более плавно

человек

, чтобы предоставить место, машину или систему людям, необходимым для их эксплуатации.Некоторые люди избегают использования этого слова, потому что считают его оскорбительным для женщин, и вместо этого используют персонал или команду

play

, чтобы заставить что-то, например, радио, компакт-диск и т. сделать это

потяните

, чтобы переместить ручку, которая управляет машиной так, чтобы машина работала

поставьте фразовую глагол

, чтобы поместить видео, компакт-диск и т. д. в часть оборудования, чтобы вы могли его смотреть или прослушать

сбросить

, чтобы нажать специальную кнопку или внести изменения, чтобы машина снова работала или работала по-другому

запустить

, если машина или двигатель работает, или если вы запускаете его, он работает

включить фразовый глагол

, если вы включаете что-то, например, свет или машину, или если он включается, вы заставляете его работать

test

, чтобы попробовать использовать что-то вроде машины или продукт, чтобы узнать, есть ли он работает правильно или удовлетворительно

бросить

, если вы бросите переключатель, ручку и т. д., вы перемещаете его вверх или вниз, например, чтобы запустить или остановить машину

включите фразовый глагол

, чтобы начать использовать источник воды, газа или электричества, повернув кран, нажав кнопку или переместив switch

используйте глагол

, чтобы сделать что-то с использованием машины, инструмента, навыков, метода и т. д. для выполнения работы или достижения результата

разогреть фразовый глагол

, если вы прогреете машину или двигатель , вы включаете его и ждете некоторое время, пока он не будет готов к использованию

работа

для управления чем-либо, например, машиной или частью оборудования

Английская версия тезауруса , чтобы заставить машину или часть оборудования работать