Analüütik avab tehisintellekti abilise sekunditega loodud tarnelepingu kokkuvõtte mustandi. See on hästi loetav. Selles on nimetatud lepingu lõpetamise klausel ja maksetingimus ning see on kogu ulatuses usaldusväärne. Varem veetis analüütik nende asjade leidmiseks terve hommikupooliku lepingut lugedes. Nüüd on küsimus teine: kas see kokkuvõte on õige ja mida nad peaksid enne sellele allakirjutamist kontrollima?
See on illustreeriv stsenaarium, mitte dokumenteeritud kliendijuhtum. See kajastab paljude töökohtade muutumist. Vastuse leidmine on kiirem. Otsustamine, kas vastust saab usaldada ja kes vastutab, kui see ei ole usaldusväärne, on ikkagi inimese enda teha.
See juhend on mõeldud õppe- ja arendusosakondade juhtidele ning õppedisaineritele, kes planeerivad tehisintellektiga tööjõu koolitust. See näitab, kuidas leida ülesandeid, kus tehisintellekt muudab inimese tööd, kuidas luua praktikat mõnikord valede tulemuste ümber ja kuidas mõõta vastutustundlikku kasutamist ilma tootlikkuse kasvu lubamata.
Quick faktid
| Küsimus | Lühike vastus |
|---|---|
| Mis muutub, kui inimesed kasutavad tööl tehisintellekti? | Esimese mustandi või vastuse koostamine muutub lihtsamaks. Selle kontrollimine, hindamine ja tulemuse eest vastutuse võtmine ei kao kuhugi. |
| Mida peaks tehisintellekti koolitus õpetama? | Kontrollimine ja otsustusvõime, mida ülesanne nüüd vajab, lisaks selle täitmiseks vajalikud valdkonnaalased teadmised. |
| Kas ainuüksi juhised saavad ülemäärast usaldust parandada? | Ei. Automatiseerimise kallutatuse uuringud näitasid, et seda esineb nii algajate kui ka ekspertide seas ning seda ei ennetatud ainuüksi koolituse või juhistega. |
| Mida mõõta? | Reaalsete ülesannete puhul tehtud vaatluste ja tehisintellekti kasutamise kinnitatud piiride olemasolul. |
1. Kaardista, kuidas tehisintellekt tööülesannet muudab
Alusta ühest päris ülesandest, mitte tööriistast. Kirjelda seda nii, nagu seda tehti enne tehisintellekti ja nii, nagu seda tehakse praegu, ning võrdle neid kahte veergu veeru haaval.
Lepingu näite puhul:
- Enne: Loe kogu leping läbi, tõmba välja põhitingimused, märgi kõik ebatavalised ja kirjuta kokkuvõte.
- nüüd: Vaadake üle tehisintellekti loodud kokkuvõte, kontrollige seda allikaga võrreldes, otsustage, kas sellele tugineda, märkige ära kõik ebatavalised ja võtke tulemuse eest vastutus.
Mõned sammud lühenevad. Terminite väljavõtmine võib võtta sekundeid. Teised ilmuvad või kasvavad: väljundi võrdlemine allikaga, kokkuvõttes väljajäetud osade märkamine ja spetsialisti poole pöördumise aja otsustamine. Nõutav oskus on nihkunud tootmiselt hindamisele. Bloomi terminoloogias, mis kirjeldab ülesande eeldatavat mõtlemist, mitte selle täitmist, nihkub kaal analüüsimisele ja hindamisele. Meie juhend... õppetegevuste sobitamine Bloomi taksonoomiaga selgitab, kuidas eesmärki, tegevust ja hindamist ühildada, kui tase on teada.
See võrdlus on tehisintellekti ausa koolitusvajaduste analüüsi keskmes. See hoiab ära ka levinud vea: kõigi koolitamise tööriista kasutamiseks, kui tegelik muudatus seisneb uues kontrollikohustuses.
2. Kontrollimis- ja hinnanguvajaduste kindlakstegemine
Esita iga „nüüd“ veerus oleva sammu kohta kolm küsimust.
- Milline näeks siin välja vale väljund? Väljamõeldud klausel, möödalastud erand, usutav, kuid aegunud kujund.
- Millised tõendid lubaksid mul seda kontrollida? Allikasdokument, teine süsteem, kolleeg, poliitika.
- Millal ma pean peatuma ja kelleltki teiselt küsima? Piir "ma saan seda kontrollida" ja "selleks on vaja eksperti" vahel.
Teadlased on aastakümneid uurinud, mis juhtub, kui inimesed töötavad ebatäiuslike automatiseeritud abivahenditega. Parasuramani ja Manzey ülevaade sellest uuringust kirjeldab automatiseerimise eelarvamust, kus inimesed teevad tegematajätmisi ja tellimusvigu, kuna nad toetuvad otsustusabivahendile, mis pole alati õige. Uuringus leiti mõju nii algajate kui ka ekspertide puhul ning jõuti järeldusele, et seda ei saa ainuüksi koolituse või juhistega ära hoida (Parasuraman ja Manzey, 2010, Inimfaktorid). See uuring eelneb tänapäeva tehisintellekti assistentidele, seega tuleks seda käsitleda hoiatusena inimkäitumise kohta, mitte kui praeguse tööriista mõõdikut.
Töötajatele suunatud tehisintellekti koolituse praktiline õppetund on see, et inimestele „väljundi kontrollimise” käskimine ei ole ette nähtud. Samuti on olulised inimest ümbritsevad tingimused: kontrollimiseks kuluv aeg, juurdepääs allikale ja töökoht, mis ei karista töötajaid aeglustamise eest.
3. Harjutage ebausaldusväärsete tulemuste ümber
Kui ülesanne hõlmab nüüd väljundi hindamist, harjutage väljundite hindamist. Looge väike hulk juhtumeid, kus tehisintellekti vastus on:
- Korrektne ja täielik. Õige samm on sellega leppida ja selgitada, miks.
- Mittetäielik. See on niivõrd tõsi, kuivõrd oluline see on, aga see jätab midagi olulist välja.
- Eksitav. Enesekindel, hästi kirjutatud ja ekslik viisil, mida on kerge märkamata jätta.
Õppijad saavad iga juhtumi, allika, mille alusel seda kontrollida, ja valiku: kas aktsepteerida, parandada või eskaleerida. Nad peavad ka põhjendama. Hinnake nõustumise või vaidlustamise põhjuseid, mitte ainult enesekindlust. Õppija, kes aktsepteerib õiget vastust ilma kontrollimata, ei ole oskust näidanud ja õppija, kes kõike vaidlustab, ei ole seda samuti näidanud.
Interaktiivsed formaadid sobivad selleks hästi. Iga inimene võtab enne grupi arutelu vastu otsuse ja esitab põhjenduse, seega muutuvad nähtavaks nii liigne usaldus kui ka liigne ettevaatlikkus. Oma tempos õppimine hõlmab esimest läbimist ja reaalajas arutelu käsitleb mitmetähenduslikke juhtumeid, kus on olemas kaks kaitstavat lugemist. AhaSlides toetab interaktiivset õppimist ja liikumist reaalajas õppimise ja oma tempos õppimise vahel, seega saab ühte juhtumite komplekti kasutada mõlemas suunas. Enne kui hakkate selle ümber planeerima, kontrollige iga konkreetset autoriseerimis-, tagasiside- või aruandlusfunktsiooni oma töövoogu arvestades.
4. Säilita eelteadmised
Sa ei saa hinnata väljundit, millest sa aru ei saa. Inimene, kes pole kunagi õppinud, kuidas maksetingimused ja lepingu lõpetamise õigused omavahel suhestuvad, ei märka, kui kokkuvõttes on need valesti kirjutatud. Juurdepääs tehisintellektile ei eemalda vajadust selle mõistmise järele. See muudab seda, kus seda kasutatakse.
Otsusta, millise valdkonna teadmistest iga verifitseerimisülesanne sõltub, ja kontrolli seda enne harjutamist lühikese iseseisvalt sooritatava diagnostikaga. Selline meeldetuletuskontroll kinnitab ainult eeltingimusi. See ei näita, et igaüks saab väljundit kontrollida. Carnegie Melloni Eberly keskus toob sama idee üldisemalt välja: hinnangud, eesmärgid ja õppetegevused peaksid olema kooskõlas ning kui hindamine mõõdab meeldetuletust, kuid eesmärgid nõuavad analüüsi, siis see ei mõõda seda, mida õppijad pidid õppima, ja see ebakõla võib õõnestada nii motivatsiooni kui ka õppimist (Eberly keskus, eesmärkide, hindamiste ja juhendamise ühtlustamine).
5. Mõõtke vastutustundlikku kasutamist reaalsetes ülesannetes
Vali kontrollimisülesanne, mida inimesed tegelikult teevad, ja määra enne mõõtmist tehisintellekti kasutamiseks heakskiidetud piirid: mida võib tööriistale delegeerida, mida tuleb kontrollida ja mida tuleb eskaleerida.
USA haiguste tõrje ja ennetamise keskused eraldavad õppimise hindamise sellest, kui hästi inimesed seda tööl rakendavad, ning soovitavad planeerida mõlemat (CDC hindab koolitust: efektiivsuse mõõtmine). See on hindamisjuhis, mitte tulemuste prognoos. Tehisintellekti ülesannete puhul tähendab see kahte mõõdikut:
- Õppimine: jõudlus uue, seni nägemata juhtumite komplekti puhul võrreldes algtasemega.
- Ülekanne: juhendatud tööülesanne või reaalse töö näidis, mida vaadatakse üle sama rubriigi alusel pärast seda, kui inimestel on olnud aega õpitut rakendada.
Määrake, kes on kaasatud, nimetaja ja ajastus. Esitage efektiivsusaruanded ainult mõõdetud tõendite põhjal. Kui meeskond muutub pärast tehisintellekti koolitust kiiremaks, kontrollige enne koolituse arvestamist, mis samal perioodil veel muutus, näiteks uus mall, personali vahetus või erinev tööjaotus.
Laiema ülevaate saamiseks riskist avaldab Riiklik Standardite ja Tehnoloogia Instituut (National Institute of Standards and Technology) Tehisintellekti riskijuhtimise raamistik, mis avaldati 2023. aasta jaanuaris ja mida organisatsioonid kasutavad tehisintellekti riskide üle mõtisklemiseks. See on riskivestluse lähtepunkt, mitte koolitusstandard ega sertifikaat.
Töötatud näide: lepingu kokkuvõte
Illustreeriv. Selle töö tegija peaks enne kasutamist juhtumi ja vastusekriteeriumid valideerima.
Juhul. Õppija saab fiktiivse tarnijalepingu ja tehisintellekti kirjutatud kokkuvõtte. Kokkuvõttes on märgitud 60-päevane ülesütlemise etteteatamistähtaeg. Lepingus on sätestatud 60 päeva põhjuseta ülesütlemise ja 30 päeva lepingu rikkumise korral. Kokkuvõtte lisas puudub ka maksetähtaja erand.
Mida õppijalt palutakse teha. Selgitage otsust (nõustumine, parandamine või eskaleerimine), viidake lepingust leitud tõenditele ja öelge, millist lisateavet või tuge nad vajaksid.
Nõrk vastus. „Kokkuvõte tundub täpne ja hõlmab peamisi termineid. Nõustun.“ See ei viita millelegi ja ei näita ühtegi linnukest.
Tugevam vastus. „Ma ei aktsepteeriks seda praegusel kujul. Punkt 14 annab 60 päeva lepingu põhjuseta ülesütlemiseks, kuid 30 päeva lepingu rikkumise korral ja kokkuvõttes on mainitud ainult 60 päeva. Lisas B on makse erand, mida kokkuvõttes ei mainita. Parandaksin ülesütlemise rea ja lisaksin erandi. Ma ei ole kindel, kas lisa kehtib selle tarnija kohta, seega küsiksin lepingupartnerilt.“
Korduskatse. Õppija saab teise lepingu, kus tehisintellekti kokkuvõte on õige. Õige samm on nüüd nõustuda ja öelda, mis kontrolliti. See hoiab ära inimeste treenimise refleksiivse kahtlustamise suunas.
Tehisintellekti ülesande analüüsi tööleht
Reaalse ülesande jaoks kasutage veerus "nüüd" ühte rida sammu kohta.
| Ülesande samm | Mida tehisintellekt nüüd teeb | Mida inimene ikkagi tegema peab | Selle kontrollimiseks on vaja tõendeid | Eskaleeru | Eelteadmised |
|---|---|---|---|---|---|
| Võtmeterminite väljavõte | Koostab nimekirja | Võrdle allikaga | Leping ise | Lepingud plii | Lepingu struktuur ja klauslite tüübid |
| Ebatavaliste terminite märgistamine | Soovitab kandidaate | Otsusta, mis on selles kontekstis ebatavaline | Varasemad lepingud, poliitika | Õigus | Selle tarnija tüübi standardtingimused |
| Kokkuvõtte allkirjastamine | Mitte midagi | Tulemuse omamine | Kontrollitud kokkuvõte | Liinijuht | Heakskiitmise piirangud |
Rubriik, mida saate kohandada
Hinnake iga kriteeriumi skaalal 0 kuni 2. See on ettepanek kohanemiseks koos rolli spetsialistiga, mitte valideeritud valmisoleku standard.
| Kriteerium | Vaadeldavad tõendid |
|---|---|
| Ülesande täitmine | Tuvastab, kus tehisintellekt muudab kontrolli- ja otsustusülesannet. Salvestab tegevuse ja selle aluseks olevad tõendid. |
| Põhjendus | Selgitab piiranguid, alternatiive ja ebakindlust. Väljundi aktsepteerimise või vaidlustamise põhjused on seotud allikaga. |
| Piirid | Kasutab tehisintellekti kasutamiseks heakskiidetud protseduure ja küsib abi, kui teabest või volitustest ei piisa. |
Ankrud: 0 = puudub või ei ole toetatud. 1 = osaline, oluliste väljajätmistega. 2 = täielik ja kokkulepitud kriteeriumide alusel põhjendatud. Määratlege kriitilised vead eraldi, näiteks allikaga vastuolus oleva väljundi kinnitamine või konfidentsiaalsete andmete jagamine heakskiitmata tööriistaga. Koguskoor ei tohi varjata kriitilist viga.
Piirangud, mis võivad jääda
Parem otsustusvõime koolitusjuhtumis ei kõrvalda kõiki piiranguid:
- Ajaline surve. Kui mahueesmärgid ei jäta kontrollimiseks ruumi, siis inimesed jätavad õpetatu kontrollimata.
- Ebaselge vastutus. Kui kedagi ei ole nimetatud kontrollitud väljundi omanikuks, pole kontrollimine kellegi ülesanne.
- Tööriistade piirangud. Mõned tööriistad ei lase inimestel vastuse taga olevat allikat näha, mis muudab kontrollimise aeglaseks.
- Tööriistade vahetamine. Tehisintellekti süsteem, mis pärast värskendust käitumist muudab, võib murda eelmisel kvartalil loodud kontrollimisharjumuse.
Planeeri nende jaoks eraldi lahendused ja räägi sellest ka sponsoritele. Koolitus saab oskusi arendada. See ei saa luua aega ega autoriteeti.
Korduma kippuvad küsimused
Mida peaks töötajate tehisintellekti koolitus hõlmama?
Alusta ülesannetest, mida tehisintellekt oma rollis muudab. Käsitle, kuidas tulemusi tõenditega võrrelda, millal eskaleerida, millised on tehisintellekti kasutamise heakskiidetud piirid ja millised on vastuse hindamiseks vajalikud valdkonnaalased teadmised. Teisel kohal on tööriistade näpunäited.
Kas tehisintellekt kaotab vajaduse valdkonnaalaste teadmiste järele?
Ei. Inimesed vajavad piisavalt arusaamist, et märgata, millal väljund on vale või mittetäielik. Muutub see, kuidas seda teadmist kasutatakse: vähem tootmist, rohkem hindamist.
Kuidas hindate inimese otsustusvõimet tehisintellektiga toetatud töös?
Esitage õppijatele realistlikke juhtumeid õigete, mittetäielike ja eksitavate väljunditega ning hinnake nende põhjendusi nende aktsepteerimiseks, parandamiseks või probleemi eskaleerimiseks. Seejärel jälgige pärast sobivat viivitust juhendatud reaalset ülesannet.
Kust alustada
Vali üks ülesanne, mida sinu organisatsiooni inimesed praegu tehisintellekti abil teevad. Täida ülaltoodud tööleht kellegagi, kes seda tööd teeb, ja märgi kolm kohta, kus vale väljund kõige rohkem kahju teeks. Ehita oma esimene harjutusjuhtum ühe neist ümber.
Et näha, kuidas iseseisvalt tehtav kontroll, interaktiivne juhtumianalüüs ja reaalajas arutelu selle ülesande jaoks kokku sobiksid, uurige AhaSlides'i.
