機器人懶惰了怎么辦
在全世界,聰明的半自主的機器人和機器正在各種工作場所取代人類。它們學習快、工作勤勞,而且肯定比較少抱怨。智能科技正在以越來越少的成本、帶來越來越多的價值。
然而,這種“比人類更優(yōu)秀”卻也會帶來管理上的挑戰(zhàn)。如果這些算法作業(yè)的績效不如預期,情況會如何?如果機器的“機器學習”成績不好,有誰能重新訓練它們?如果機器人的行為模式會讓顧客感到不舒服,該怎樣讓它們得到意見回饋、從而加以改善?究竟該由誰或是什么來負責這件事?最近微軟聊天機器人Tay的慘劇,正是沒把機器學習“訓練”認真對待的下場。
就算是聰明而又努力的機器,也像某些懶惰而有害的人類,需要對它們進行工作檢討。好的管理者都知道,想在未來擁有生產(chǎn)力和顧客忠誠度,除了得激勵員工,也得激勵機器、并加以管理。
說白一點,管理者如果無法讓機器人把工作做得更好,到頭來可能連自己的工作也難保。在21世紀,一項新的必備領導能力可能就在于能否讓智能型的機器充分發(fā)揮潛力。
《人工智能時代》(Humans Need not Apply)的作者杰瑞.卡普蘭(Jerry Kaplan)認為:這是智能型系統(tǒng)設計的核心。就長期的歷史進程看來,自然的發(fā)展是走向“自動化”,而不是要重新創(chuàng)造人類的心靈和情境。
卡普蘭自己曾在硅谷多次創(chuàng)業(yè)投資,他斷然表示,要把智能機器人性化或是"管理化",都是“過度而無用的擬人化”。
他還說:“你可沒辦法叫那些機器坐下聽訓,讓它們感覺自己做了壞事。”
然而卡普蘭也承認,要面對顧客的機器學習系統(tǒng)已經(jīng)在行為中整合越來越多的情緒因素,而不再只做演算上的優(yōu)化。舉例來說,搭Uber自動汽車的時候,乘客也可能像搭一般車一樣,希望車可以開快一點、猛一些。如果有別的車硬擠,他們也會希望可以“教訓”對方一下。
這時,如果自動汽車不能對乘客的要求做出適當響應(就像一般司機如果沒有響應),得到的評分就會較低。究竟,自動汽車如果要替乘客趕飛機,該能開得多猛?就顧客服務而言,自動汽車能否響應需求而開得“猛”一點,就像是一般司機能不能開猛一點同樣重要。只要顧客的需求還在合法、合情、安全的范圍內(nèi),智能型的機器就該像有智慧的人類一樣響應需求。
卡內(nèi)基美隆大學(Carnegie Mellon University)E. Fredkin講座教授、機器學習主席湯姆.米契爾(Tom Mitchell)就問:“為什么對待機器的方式要不同?”米契爾的院系已有幾位重要成員遭到Uber挖角,而他認為“監(jiān)管”對于機器學習系統(tǒng)的重要性并不下于對人類的重要性。他相信,企業(yè)設計機器人的工作模式時,也必須考慮持續(xù)的績效考核及改進。
他補充道:“當然,該怎么做現(xiàn)在還不明朗。但我們都知道勢在必行,才能提升這些科技的接受度及采用率……必須有適當接口,讓監(jiān)管及改進更簡單、更安全?!?/p>
人類員工的責任和效率有關(guān)鍵績效考核指標(KPI)加以評估,而慢慢地,機器人和機器學習系統(tǒng)也必須面對同樣的KPI。如果自動化的聊天機器人并未提升客服中心的顧客滿意度,就該重新設計/重新訓練??头行牡慕?jīng)理,究竟該找最棒的客服代表、還是該找科技好手來處理這個問題?
過去人類企業(yè)遇過的領導、管理、激勵問題,現(xiàn)在也落到了全球聯(lián)機成網(wǎng)的機器企業(yè)上:360度績效評估是否能帶來新的見解及效率?智能機器該如何設計或訓練,才能提供新的見解或改善?這些機器是否也該使用物聯(lián)網(wǎng)?或是新的數(shù)據(jù)庫,以確保績效能持續(xù)提升?
正如員工滿意度與顧客滿意度高度相關(guān),企業(yè)如果使用智能機器人及高績效機器學習設備,就必須密切觀察演算效率及顧客價值之間的相關(guān)性。
再接下來的挑戰(zhàn),將在于這些相關(guān)性的定義和判斷,有多少是由人類主管決定,又有多少是由高AIQ(Artificial Intelligence Quotient,人工智商)支持系統(tǒng)來決定。
卡普蘭觀察道:“對于社會規(guī)范及行為,現(xiàn)在尚無完善的運算理論”,因此,想讓聰明的人類與更聰明的機器共存而合作,起步并非易事。但無疑,企業(yè)未來必然會運用機器產(chǎn)生的數(shù)據(jù)及預測分析,讓產(chǎn)生這些信息的機器更為改善、日益聰明。
問個對未來企業(yè)最尖銳問題,也就是未來企業(yè)要得到更佳成果、更高價值的時候,究竟該做績效考核的對象是最佳的員工、或是最佳的機器了。