در سال 2024، هوش مصنوعی در مقیاس بزرگتری به کار گرفته میشود و کاربردهای هوش مصنوعی بیشتری را نسبت به گذشته به ارمغان خواهد آورد. با افزایش استفاده از هوش مصنوعی و مقرراتی که توسط دولت بایدن وضع شده است برای دستورالعملهای هوش مصنوعی و اقدامات ایمنی، شرکتهای آمریکایی باید به سرعت استعدادها را مجدداً مهارت و ارتقا دهند. برنامه هایی برای سوار شدن به هواپیما در حال انجام است 400 افسر ارشد هوش مصنوعی (CAIOs) در سطح فدرال، با تاکید بر فوری بودن وضعیت. با این پسزمینه، شرکتها اساساً باید در هنگام استخدام یک CAIO به دنبال چه چیزی باشند و چگونه میتوانند عملکرد موفق را تضمین کنند؟ با توجه به تجربیات من به عنوان CAIO در اشنایدر الکتریک، این سه مهارت است که یک افسر ارشد هوش مصنوعی باید داشته باشد.
1. یک رویکرد سازمان یافته برای مدیریت تغییر
اجرای موفق هوش مصنوعی ارتباط زیادی با مدیریت تغییر دارد. هوش مصنوعی همچنان ابزارها و چالشهای جدید را به ارمغان میآورد و اینکه چگونه یک CAIO آنها را مدیریت میکند، مشخص میکند که آیا با اجرای هوش مصنوعی موفق میشوند یا خیر. این رویکرد صحیح برای تغییر را بسیار مهم می کند. یکی از بزرگترین چالش های پیش رو ایجاد اعتماد به بینش های هوش مصنوعی است. ابداع روشهای جدید کار و اطمینان از پذیرش هوش مصنوعی بسیار مهم است و ایجاد اعتماد در بینشهای ارائهشده توسط هوش مصنوعی یک عامل کلیدی است.
هر کسب و کار نگرش متفاوتی نسبت به بهبود مستمر و نحوه پرورش فرهنگی دارد که کیفیت داده ها را در اولویت قرار می دهد. با این حال، صرف نظر از شرکت، CAIOها باید به داده های ارائه شده توسط هوش مصنوعی اعتماد کنند و برای رویارویی با موانع مربوط به فرهنگ شرکت آماده باشند. اما تنها اعتماد به بینش های مبتنی بر هوش مصنوعی را نمی توان بدیهی تلقی کرد، یک CAIO باید بتواند الهام بخش، آموزش و تأثیر بگذارد تا تغییر ایجاد کند.
بنابراین، داشتن دانش عمیق از این شرکت، مسیر موفقیتها و چالشهای قبلی آن با پیادهسازی فناوریهای دیجیتال و یک شبکه داخلی قوی، به یک CAIO در سفر خود به شدت کمک خواهد کرد.
2. درک مدیریت ریسک و ملاحظات اخلاقی
هوش مصنوعی شرکتها را در معرض انواع جدیدی از آسیبپذیریها قرار میدهد، به ویژه با دسترسی آسانتر و سریعتر به مقادیر بیشتر و تنوع دادهها برای کاربران بیشتر. مهارت دوم به مدیریت ریسک، انطباق و ایجاد یک کد اخلاقی قوی مربوط می شود.
یک CAIO باید توانایی تشخیص هوش مصنوعی و همچنین محدودیت های آن را داشته باشد. یکی از بزرگترین اشتباهاتی که مدیران می توانند مرتکب شوند این است که سعی کنند هوش مصنوعی را در همه جا اعمال کنند. آنها باید بتوانند ارزیابی کنند که چه زمانی ریسک پروژه مرتبط با هوش مصنوعی بسیار زیاد است، اگر خطرات زیادی در خطر باشد. و از مواردی که برای توسعه استفاده می کنند و کدام را متوقف می کنند یا هرگز با آنها درگیر نمی شوند.
زمانی که CAIO شروع به ایجاد استراتژی و نقشه راه هوش مصنوعی می کند، این ارزش مشتری یا کاربر نهایی است که باید اجرای هوش مصنوعی را هدایت کند، نه تبلیغات پیرامون آن. به منظور ارزیابی مناسب پروژه های هوش مصنوعی، یک CAIO خوب باید بتواند چارچوب های هوش مصنوعی را ایجاد کند، انتخاب کند و به آن پایبند باشد. CAIOها ممکن است نیاز به ایجاد چارچوب شخصی خود برای شرکت خود داشته باشند تا بالاترین پاسخگویی را حفظ کنند.
آنها با داشتن یک کد اخلاقی کاملاً تعریف شده، حاکمیت دادهها و اقدامات امنیت سایبری قوی، ابزارهای مورد نیاز برای موفقیت را خواهند داشت. به دنبال یک نامزد واجد شرایط به معنای اولویت دادن به افرادی است که می توانند بینش های قانونی و اخلاقی را بیش از هر چیز ایجاد کنند و به آنها پایبند باشند.
3. استعداد برای پرورش همکاری و مشارکت
هر ساختار سازمانی را که CAIO برای پیادهسازی هوش مصنوعی انتخاب کند، یک چیز مسلم است، ایجاد محیطی برای همکاری بین دانشمندان داده و متخصصان حوزه ضروری است. ما اغلب دست کم می گیریم اهمیت دانش دامنه که در هر مرحله هنگام کار با داده ها کلیدی است: از انتخاب پروژه، از طریق اجرا، تا اطمینان از توضیح پذیری و تفسیر نتایج.
CAIO باید بسیاری از سیلوهای شرکت را در هم بشکند و پلی بین تیم اصلی علم داده و کل سازمان ایجاد کند. در اشنایدر الکتریک، ما یک قدم فراتر می رویم. تیم های ترکیبی ما که ایجاد برنامه های کاربردی هوش مصنوعی برای مدیریت انرژی و اتوماسیون صنعتی به نسبت مساوی از کارشناسان هوش مصنوعی و متخصصان میدانی تشکیل شده اند. این به ما کمک می کند تا ارزش مشتری را در برنامه جدید اصلی نگه داریم، پذیرش را افزایش دهیم و اطمینان حاصل کنیم که هر ویژگی جدید هوش مصنوعی با موفقیت در مجموعه ما جاسازی شده است.
ایجاد مشارکت و همکاری یکی از کلیدهای موفقیت است. چه تصمیم به خرید راهحلهای هوش مصنوعی داخلی یا توسعه برنامههای کاربردی داخلی داشته باشید، سرعت نوآوری را میتوان از طریق مشارکت با فروشندگان، سازمانهای تحقیقاتی، دانشگاهها، استارتآپها و سازمانهای غیرانتفاعی افزایش داد.
در مورد درک فنی هوش مصنوعی چطور؟
دانش فنی و تجربه از مزایای قوی است. با این حال، من استدلال میکنم که CAIO بودن فقط به مهارتهای کدنویسی یا دانستن زمان استفاده از کدام الگوریتم نیست. مهمتر از همه، CAIO بودن به معنای داشتن درک کامل از چشمانداز فعلی هوش مصنوعی است، که همه چیز در مورد درک پتانسیل، محدودیتها، پیامدهای اخلاقی، مسائل مدیریت داده و فناوریهای در حال توسعه سریع است. همچنین، داشتن درک عمیق از حوزه عملیات به همان اندازه مهم است زیرا ارزش نهایی پروژه های هوش مصنوعی به آن بستگی دارد. بنابراین، داشتن اشتها برای یادگیری و داشتن مهارتهای اساسی در ریاضیات و علوم، داراییهای قوی برای یک CAIO نامتعارف است، بیش از دانش عمیق از حوزه خاص و بالقوه باریک هوش مصنوعی.
آیا شرکت شما حتی به CAIO نیاز دارد؟
نقش CAIO ممکن است جدید و پیچیده به نظر برسد، اما می تواند نقشی ضروری در دنیای اشباع شده از فناوری ما باشد. در حالی که من از سایر شرکتها میخواهم که شروع به برنامهریزی و فکر کردن در مورد آوردن یک مدیر اختصاصی هوش مصنوعی کنند، شایان ذکر است که این موقعیتی نیست که کسبوکارها باید از روی هوس ایجاد کنند.
وقت گذاشتن برای شناسایی یک رهبر با هوش مصنوعی و دانش تجاری قوی، توجه به مدیریت ریسک موثر، یک فرآیند محکم برای مدیریت تغییر روشنگر، مهارت های همکاری ذاتی، مقداری اشتیاق به فناوری و پیشینه ریاضی کلید موفقیت هر CAIO خواهد بود.
منبع: https://aibusiness.com/it/the-must-have-skills-for-chief-ai-officers