“ह्युमन इन द लूप” हा वाक्प्रचार कृत्रिम बुद्धिमत्तेचा अवलंब करण्याचा आजचा कॉर्पोरेट मंत्र बनत आहे. AI हे प्रामुख्याने एक वाढवणारे तंत्रज्ञान आहे, विचार असे आहे की, सह-पायलट म्हणून मानवी कामगारांसोबत ते उत्तम प्रकारे तैनात केले जाते.
तंत्रज्ञान म्हणून AI ची ही समज आणि त्याचा मानवांशी असलेला संबंध हा पूर्ण ऑटोमेशनच्या पारंपारिक दृष्टीकोनातून एक धक्कादायक प्रस्थान आहे ज्याने व्यवसायात नवीन तंत्रज्ञानाचा यशस्वीपणे परिचय करून दिला आहे. 1990 च्या दशकातील स्वयंचलित आर्थिक बाजार निर्मितीचा परिचय घ्या, जे आता आपल्या सर्वांना परिचित आहे परंतु या जागेत ” “transformation of common sense.” ऑटोमेशन म्हणून योग्यरित्या वर्णन केले गेले आहे – मानवी बाजार-निर्मात्यांना निरर्थक बनवले आहे—त्यामुळे पूर्णपणे नवीन बनले आहे जागतिक स्तरावर व्यवहार करण्याचे मार्ग.
या प्रश्नाचे उत्तर देणे महत्त्वाचे आहे कारण तंत्रज्ञानाचा अवलंब करण्याचा प्रत्येक दृष्टिकोन नाटकीयरित्या भिन्न आर्थिक स्थानाकडे नेऊ शकतो, ज्यामुळे मूल्य-निर्मिती आणि स्पर्धात्मक फायद्यावर परिणाम होतो-आता आणि नजीकच्या भविष्यात. जेव्हा संस्था वाढीच्या दृष्टीकोनासाठी वचनबद्ध असतात, उदाहरणार्थ, तंत्रज्ञान स्वतःच बदलते जसे ते मानवी कामगारांभोवती डिझाइन केले जाते. परिणामस्वरुप, उत्पादकता आणि कार्यक्षमतेचे नफा मानव जे काही साध्य करू शकतात-जरी “संवर्धित मानव” करू शकतात त्यावर अंतर्निहित आहेत.
हर्बर्ट सायमनचे The Sciences of the Artificial या मर्यादांचे एक चांगले उदाहरण देते. संघटनात्मक निर्णय घेण्यातील तज्ञ, सायमन यांनी 1960 च्या दशकात यूएस स्टेट डिपार्टमेंटच्या टेलीटाइपवरून लाइन प्रिंटरवर स्विच केल्याचा इतिहास मांडला, ज्याची रचना संकटाच्या वेळी संदेश हाताळणी सुधारण्यासाठी केली गेली होती- आणि ते कसे अयशस्वी झाले कारण माहितीच्या प्रवाहामुळे अजूनही मानवांना त्यावर प्रक्रिया करणे आवश्यक होते. तंत्रज्ञानाच्या अवलंबनाचा वाढीव नमुना ऑटोमेशनबद्दल आर्थिकदृष्ट्या मौल्यवान असलेल्या अनेक गोष्टींचा त्याग करू शकतो—अधिक प्रमाणीकरण, सुरक्षितता, वेग आणि अचूकता.
धीमे, सीरियल इन्फॉर्मेशन प्रोसेसर म्हणून आमच्या सर्व-अत्यंत-मानवी मर्यादा लक्षात घेता, संगणकीयदृष्ट्या शक्तिशाली मशीन्स आणि अगदी “संवर्धित मानव” यांच्यातील अंतर केवळ AI च्या युगात विस्तारत आहे. तर, वर्कफ्लो-स्तरीय ऑटोमेशन आणि त्याच्या घटक कार्यांच्या स्तरावर वाढ करण्याच्या आर्थिक वचनांमधील अंतर देखील आहे. म्हणूनच उद्या पूर्ण ऑटोमेशन कोठे शक्य आहे हे समजून घेणे हे आजच्या गुंतवणुकीसाठी-विशेषत: जनरेटिव्ह AI सारख्या नवीन तंत्रज्ञानासह एक शक्तिशाली मार्गदर्शक आहे. पूर्ण ऑटोमेशनमध्ये अडथळा आणण्यासाठी सुप्रसिद्ध ओळखण्यायोग्य अडथळ्यांचे मूल्यांकन करून, आम्ही नेत्यांना अनिश्चिततेच्या भावनेवर नेव्हिगेट करण्यात मदत करण्यासाठी गुंतवणूक निकषांचा एक संच प्रस्तावित करतो आणि GenAI ची पहाट परिभाषित करणारे वचन देतो.
अनुभूतीचा कारखाना मजला
कल्पना करा की बँक एआय-वर्धित कर्जासाठी “ह्युमन इन द लूप” मॉडेलसाठी वचनबद्ध आहे. अशा बँकेला जोखीम मूल्यमापन अल्गोरिदम डिझाइन करणे आवश्यक आहे जे ऑपरेट करू शकतात, परंतु मानवी कामगार जे वाजवी अर्थ लावू शकतात त्यापुरते मर्यादित आहेत. कामगारांच्या थ्रूपुटमुळे क्रेडिट मंजुरीचे प्रमाण आणि गती देखील मर्यादित असेल. तुलनेने, 2015 मध्ये तयार झालेल्या अलीबाबाच्या मायबँकमध्ये कोणतेही कर्ज अधिकारी किंवा मानवी जोखीम विश्लेषक नाहीत. MyBank,चे AI जोखीम मॉडेल 100,000 पेक्षा जास्त व्हेरिएबल्सद्वारे समर्थित आहेत, ज्यामुळे ते त्याच्या समवयस्कांच्या प्रक्रिया खर्चाच्या एक टक्क्यांहून कमी असलेल्या स्पर्धात्मक डीफॉल्ट दराने (1.94%) काही मिनिटांत कर्ज अर्ज मंजूर करू शकतात. मायबँक मॉडेल हे शक्य आहे कारण ते मानवांना आणि त्यांच्या संज्ञानात्मक मर्यादांना प्रक्रियेतून बाहेर काढते, जटिल कर्ज निर्णय प्रक्रियेला पूर्णपणे स्वयंचलित करण्यासाठी तंत्रज्ञान मुक्त करते.
भौतिक ऑपरेशन्सच्या वास्तविक जगात, सर्वोत्कृष्ट ऑटोमेशन प्रयत्न, अगदी मायबँकच्या मॉडेलप्रमाणे, जटिल प्रक्रियांच्या पूर्ण ऑटोमेशनकडे झुकणारे आहेत. उदाहरणार्थ, जपानी उत्पादक फॅनक, नवीन रोबोट्स बनवण्यासाठी लाइट-आउट कारखान्यांमध्ये काम करणारे रोबोट वापरतात. केवळ नियमित देखभाल आणि समस्येचे निराकरण करण्यासाठी मानवी हस्तक्षेप आवश्यक आहे. आज, लाँच झाल्यानंतर तीन वर्षांनी, ही प्रणाली इतकी कार्यक्षम आहे की ती 30 days at a time साठी पर्यवेक्षणाशिवाय काम करू शकते आणि 11,000 robots per month उत्पादन करू शकते. त्याचप्रमाणे, चीनच्या टियांजिन बंदर-जगातील 7व्या क्रमांकाचे automated terminal. लाँच करण्यासाठी 2021 मध्ये Huawei सोबत भागीदारी केली. पोर्ट हे एआय “ब्रेन” द्वारे समर्थित आहे जे वेळापत्रक स्वयंचलित आणि समायोजित करते आणि 76 स्व-ड्रायव्हिंग वाहने दूरस्थपणे चालवतात आणि 200-पेक्षा जास्त देशांमधील कंटेनरच्या हालचालींचे व्यवस्थापन करण्यासाठी मूलत: कोणताही मानवी हस्तक्षेप नाही (< 0.1% हस्तक्षेप दर विरुद्ध उद्योग मानक 4 %-5%).
यशस्वी ऑटोमेशनची अशी उदाहरणे आता आउटलायर नाहीत आणि प्रत्येकामध्ये एक सामान्य नमुना चालतो: मशीन जेव्हा इतर मशीनशी संवाद साधतात तेव्हा सर्वोत्तम कामगिरी करतात. मशिनसाठी, मानव हे खूप वैशिष्ठ्यपूर्ण, अनियमित असतात, त्यांना गोंधळात टाकणारे भागीदार बनवतात. कार्लने Marx बरोबर निरीक्षण केल्याप्रमाणे, “यंत्रांची एक संघटित प्रणाली… यंत्राद्वारे उत्पादनाचा सर्वात विकसित प्रकार आहे.” म्हणूनच अनपेक्षित काहीतरी करण्यास योग्य असलेल्या मानवी कामगारांसोबत प्रभावीपणे आणि सुरक्षितपणे काम करणारे रोबोट डिझाइन करण्यापेक्षा पूर्णपणे स्वयंचलित वेअरहाऊस Amazon करत आहे) इंजिनियर करणे सोपे आहे. तियानजिन बंदर समान कामगिरी साध्य करू शकणार नाही जर त्याच्या ताफ्यातील अर्धा भाग मानवांनी चालवला असेल.
AI मूलत: हे तर्कशास्त्र मानवी कृतीच्या मोठ्या प्रमाणात विस्तारित करते, जुन्या कारखान्याच्या मजल्याच्या समतुल्य मानवी संज्ञानात्मक क्रियाकलाप (तथाकथित ज्ञान कार्य) प्रस्तुत करते. उदाहरणार्थ, LLMs द्वारे साध्य केलेली कामगिरी, हे सिद्ध करते की नैसर्गिक भाषा, तिच्या सर्व सूक्ष्मतेसाठी, पुनरुत्पादन करण्यायोग्य आणि निर्णायकपणे, ऑटोमेशनसाठी सक्षम होण्यासाठी पुरेशी पद्धतशीर आणि नमुना-आधारित आहे. AI अर्थातच मानवी कर्मचाऱ्यांमध्ये वाढ करू शकते, परंतु ते एकट्याने चालवल्याने व्यवसायाला अधिक ठळक ऑटोमेशन प्रयत्नांमध्ये नेऊ शकते.
गुंतवणुकीसाठी मार्गदर्शक म्हणून ऑटोमेशनच्या मर्यादा
आज बऱ्याच व्यावसायिक नेत्यांना भेडसावलेल्या प्रश्नाकडे परत जाऊया: नवीनतम AI तंत्रज्ञान प्रभावी आहेत, परंतु आता सर्वव्यापी GenAI-समर्थित चॅटबॉट्स आणि सहपायलट्सच्या पलीकडे, पुढे गुंतवणूक कुठे करायची? आमचे मत असे आहे की जेव्हा ते पूर्ण ऑटोमेशनच्या दिशेने एक पाऊल असलेले तांत्रिक अनुप्रयोग आणि जे प्रामुख्याने मानवी कामगारांना वाढवतात त्यामधील फरक सांगू शकतील तेव्हा नेते चांगले निर्णय घेऊ शकतात. असे करण्याचा सर्वोत्तम मार्ग म्हणजे संपूर्ण ऑटोमेशनच्या ज्ञात अडथळ्यांवर लक्ष केंद्रित करणे, ज्याची उपस्थिती तंत्रज्ञानाच्या केवळ वाढीव वापराशी संबंधित तुलनेने अधिक माफक परतावा दर्शवते.
एकत्रीकरण मर्यादा: इंटरफेस. ऑटोमेशन अधिक कठीण आहे जितकी प्रक्रिया वेगवेगळ्या प्रणालींशी संवाद साधण्यावर अवलंबून असते. लंडन स्टॉक एक्सचेंजच्या टॉरस प्रकल्पाच्या कुप्रसिद्ध प्रकरणाचा विचार करा, 1983 मध्ये सुरू झाला आणि 1993 मध्ये काही £75 million in estimated losses. सह बंद झाला. वृषभ हे लंडनच्या पेपर-आधारित स्टॉक ट्रेडिंग सिस्टमला स्वयंचलित करण्यासाठी होते, परंतु पुनर्रचना आवश्यकतेच्या वजनामुळे ते कमी झाले ज्यामुळे मानवी निबंधकांना त्यांच्या स्वतःच्या सिस्टमचा वापर करून व्यापार प्रक्रियेत “मध्यम” भूमिका बजावणे सुरू ठेवता आले ज्याला नंतर इंटरफेससह इंटरफेस करावा लागला. स्टॉक एक्सचेंज.
इंटरफेसची समस्या काही अंशी कमी केली जाऊ शकते कारण autonomous agents बाह्य प्रणालींवर थेट प्रवेश, नियंत्रण आणि बदल अंमलात आणण्याची क्षमता प्राप्त करा (उदा. GenAI-सक्षम चॅटबॉट्स थेट परतावा जारी करण्यास सक्षम झाल्यामुळे, पुन्हा बुक करा. उड्डाणे, आणि असेच). ते तंत्रज्ञान अद्याप आलेले नाही, आणि ते होईपर्यंत, इंटरफेस वारसा प्रणालीवर अवलंबून असलेल्या एंड-टू-एंड वर्कफ्लो स्वयंचलित करण्यावर मर्यादा राहतात.
अभियांत्रिकी मर्यादा: पद्धतशीरता. दिलेली प्रक्रिया जितकी कमी संरचित असेल तितकी ती स्वयंचलित करणे कठीण होईल, कारण पद्धतशीरतेच्या अभावामुळे अपवादांचे अधिक गुंतलेले व्यवस्थापन आवश्यक आहे, जे अभियंता करणे कठीण आहे.
पद्धतशीरतेसाठी जटिलतेची चूक न करणे महत्वाचे आहे. नैसर्गिक भाषेचा समावेश असलेल्या जटिल प्रक्रिया, जसे की मानवी ग्राहकांशी थेट संवाद, एलएलएमद्वारे प्रभावीपणे पद्धतशीर केले गेले आहेत. याउलट, जागतिक पुरवठा साखळींचे ऑपरेशन, हिंसक संघर्ष, नियामक बदल किंवा हवामानातील नाट्यमय घटनांसारख्या अप्रत्याशित धक्क्यांमुळे त्यांच्या प्रदर्शनामुळे अजूनही मायावी ठरते. अंदाज वर्तविण्याच्या या अभावामुळे पद्धतशीर करणे कठीण होते आणि नजीकच्या भविष्यासाठी मानवी निर्णयाची आवश्यकता असेल.
आर्थिक मर्यादा: विशिष्टता. जरी काही क्रियाकलाप अभियांत्रिकी किंवा डिझाइनच्या दृष्टीकोनातून पुरेसे स्थिर आणि पद्धतशीर असले तरीही, ऑटोमेशन आर्थिकदृष्ट्या व्यवहार्य बनवण्यासाठी ते पुरेसे पुनरावृत्ती करण्यायोग्य असू शकत नाही. हे सामान्यत: “एकदम” क्रियाकलापांचे प्रकरण आहे, जसे की बांधकाम, ज्यामध्ये गंभीर वैशिष्ट्ये आहेत जी अद्वितीय आहेत. इमारतीच्या उभारणीमध्ये नेहमी दिलेल्या भूप्रदेशाच्या वैशिष्ट्यांशी सामान्य ब्लूप्रिंट्स जुळवून घेणे समाविष्ट असते. त्यामुळे अनेकदा अशा रुपांतरित डिझाइनला स्वयंचलित करण्याचा प्रयत्न मानवांकडून करण्यापेक्षा अधिक कठीण होतो. इलेक्ट्रॉनिक्स कंपनी Foxconn, उदाहरणार्थ, लक्षात आले की अनेक ग्राहक इलेक्ट्रॉनिक्स तयार करण्यासाठी रोबोट्सचा वापर केल्याने शेवटी पैसे मिळत नाहीत. लहान उत्पादन चक्र आणि वेगाने बदलणारी वैशिष्ट्ये म्हणजे दिलेल्या वस्तूचे उत्पादन वेळेनुसार स्वयंचलित केले जाऊ शकते, उत्पादन चक्र नवीन उत्पादनांकडे वळले आहे.
अधिका-यांसाठी, या तीन प्रकारच्या अडचणींचा सामना करणे विशेषतः महत्वाचे आहे कारण ते तंत्रज्ञानातील प्रगतीसह देखील, काही स्वरूपात सहन करतील. त्यामुळेच मानवी श्रम सर्व व्यवसायांसाठी अत्यावश्यक राहतील आणि संपूर्ण ऑटोमेशन मिळवण्याच्या प्रयत्नांनंतरही वाढीव धोरणे का महत्त्वाची राहतील. व्यवसायांसाठी महत्त्वाची गोष्ट म्हणजे कोणते वर्कफ्लो, प्रत्यक्षात, पूर्ण ऑटोमेशनसाठी सक्षम आहेत हे समजून घेणे आणि तंत्रज्ञान धोरण विकसित करणे जे स्पष्टपणे “वृद्धीयोग्य” आणि “स्वयंचलित” मध्ये फरक करते. जेथे जेथे ऑटोमेशन खरोखरच व्यवहार्य आहे तेथे, जर एखादा व्यवसाय स्पर्धात्मक फायद्याचा स्त्रोत म्हणून AI चे मूल्य वाढवायचे असेल तर तंत्रज्ञान उपयोजन मानवी कामगारांच्या “भोवती” डिझाइन केले जाऊ नये.
जेव्हा ते पूर्ण वर्कफ्लो ऑटोमेशन सक्षम करते तेव्हा तंत्रज्ञानाचे आर्थिक मूल्य सर्वात मोठे असते या वस्तुस्थितीसह व्यवसायाच्या नेत्यांनी स्वतःला पुन्हा परिचित करणे चांगले होईल. ज्यांना हे वास्तव समजले आहे ते प्रश्नांची मालिका विचारून कोणत्याही AI “वापर केस” चे मूल्यांकन करण्यासाठी याचा वापर करू शकतात. संपूर्ण ऑटोमेशनसाठी उपयुक्त असलेल्या व्यापक प्रक्रियेचा वापर केस भाग आहे का? प्रक्रियेतील इतर घटक नजीकच्या भविष्यात त्यांची प्रतिकृती तयार करण्यासाठी मशीनसाठी पुरेसे पद्धतशीर आहेत का? किंवा स्वयंचलित पर्याय सार्थ करण्यासाठी ते खूप अद्वितीय आहेत? ते देखील वेगवेगळ्या प्रणालींमध्ये अडकले आहेत, प्रत्येकाचे स्वतःचे स्वतंत्र तर्क आहे? त्या प्रश्नांची उत्तरे नेत्यांना त्या मौल्यवान टेक डिप्लॉयमेंट डॉलर्सच्या सर्वात आकर्षक वापराकडे नेण्यास मदत करू शकतात.
वाचा other Fortune columns by François Candelon.
फ्रान
çois Candelon खाजगी इक्विटी फर्म Seven2 चे भागीदार आणि BCG हेंडरसन संस्थेचे माजी जागतिक संचालक आहेत.
हेन्री साल्हा हे Boston Consulting Group चे माजी भागीदार आणि व्यवस्थापकीय संचालक आहेत आणि एस्सिलॉरचे माजी वरिष्ठ उपाध्यक्ष आहेत.
नम्रता राजगोपाल बोस्टन कन्सल्टिंग ग्रुपच्या सल्लागार आणि बीसीजी हेंडरसन संस्थेच्या राजदूत आहेत.
डेव्हिड झुलुआगा मार्टिनेझ हे बोस्टन कन्सल्टिंग ग्रुपचे भागीदार आणि BCG हेंडरसन संस्थेचे राजदूत आहेत.
या स्तंभात नमूद केलेल्या काही कंपन्या लेखकांच्या नियोक्त्यांच्या भूतकाळातील किंवा वर्तमान ग्राहक आहेत.
ही कथा मूळतः Fortune.com वर वैशिष्ट्यीकृत होती
