Khi các doanh nghiệp đưa công nghệ Machine Learning vào tổ chức của họ, nhiều chuyên gia dự đoán rằng nó sẽ dẫn đến việc sa thải hàng loạt.

Tuy nhiên, một nghiên cứu mà SAP phát triển với Economist Intelligence Unit, Tận dụng tối đa Máy học: 5 Bài học từ Người học Nhanh, đã tìm thấy bằng chứng rằng những nhân viên có kỹ năng cao sẽ rất quan trọng trong quá trình chuyển đổi và hơn thế nữa. Phần “con người” của doanh nghiệp sẽ không đi đến đâu cả. Nhưng nó sẽ thay đổi.

Việc tích hợp Machine Learning sẽ đòi hỏi những cách thức hoàn toàn mới để xác định vai trò và trách nhiệm, các kỹ năng mới để xây dựng thuật toán hoặc cùng tồn tại với chúng, và có lẽ quan trọng nhất là một nền văn hóa có thể liên tục phát triển và học hỏi cùng với khả năng trí tuệ nhân tạo của nó.

Thật vậy, trong số một nhóm nhỏ các tổ chức được khảo sát đã nhận thấy lợi ích từ Machine Learning, còn được gọi là “những người học nhanh”, 75% nói rằng họ mong muốn đào tạo lại nhân viên khi họ tăng cường sử dụng tự động hóa thông minh. Như Erik Brynjolfsson, Giám đốc Sáng kiến MIT về Kinh tế Kỹ thuật số, đã quan sát, đào tạo lại con người và xác định lại công việc để tạo ra mối quan hệ hợp tác giữa nhân viên và máy móc sẽ quyết định mức độ thành công của tổ chức.

1. Chiến lược cho các kỹ năng

Theo kịp máy móc là một phần của thách thức lớn hơn: chuyển đổi kỹ thuật số tổ chức để tạo nền tảng cho các công nghệ mới như Mahchine Learning, Internet vạn vật, Big Data và analytics để tồn tại và phát triển. Tránh kiểu chống đối của tổ chức đã cản trở những thay đổi công nghệ lớn trước đây, chẳng hạn như làn sóng phần mềm doanh nghiệp vào đầu những năm 2000, sẽ rất quan trọng.

Những người học nhanh có một khởi đầu tốt. Các giám đốc điều hành cấp C tại các công ty học nhanh đang tham gia vào chiến lược học máy ở mức độ cao hơn so với các tổ chức khác.

Có một chiến lược rõ ràng để chuyển đổi kỹ thuật số trên phạm vi rộng hơn và đặc biệt là Machine Learning cũng sẽ rất quan trọng nếu các tổ chức muốn thu hút một loạt các nhà công nghệ trực quan và ham học hỏi – những người có cả kỹ năng lập trình và hiểu biết sâu sắc về cả khoa học dữ liệu và kinh doanh – để xây dựng khả năng Machine Learning của họ. Các kỹ năng có thể khó tìm, đối với những người học nhanh được coi là thiếu kiến thức chuyên môn về Machine Learning bên ngoài có sẵn là một thách thức hàng đầu.

Hơn nữa, các giám đốc điều hành phải tranh thủ các chuyên gia có kỹ năng, không chuyên về CNTT của họ để làm việc với các nhà công nghệ để phát triển khả năng Machine Learning của tổ chức theo thời gian. Ví dụ, công ty kế toán EisnerAmper, một công ty đầu tiên áp dụng Machine Learning, đã thuê các nhà khoa học dữ liệu, nhà phân tích kinh doanh và nhà phát triển ứng dụng vào nhóm công nghệ doanh nghiệp của mình. Những người mới đến hợp tác với các nhà lãnh đạo kế toán, kiểm toán và thuế của công ty để phát triển các năng lực mới.

“Theo thời gian, doanh nghiệp Machine Learning sẽ bắt đầu hoạt động khác nhau bằng cách điều chỉnh quy trình kinh doanh, mô hình nhân sự cũng như các chương trình học tập và phát triển để thích ứng với tốc độ và quy mô mà máy móc có thể học hỏi”, Stanton Jones, giám đốc và nhà phân tích nghiên cứu chính của ISG cho biết. Ông nói, các tổ chức đang chuyển từ trọng tâm “trong đó mọi người đang thúc đẩy một quá trình được hỗ trợ bởi công nghệ”, sang “trong đó công nghệ đang thúc đẩy một quá trình được hỗ trợ bởi con người”.

Machine Learning cho phép các công ty tăng quy mô năng lực theo cấp số nhân mà không cần tăng nhân sự. Mọi người sẽ tham gia ở cấp độ cao hơn, quản lý, phân tích hoặc hành động dựa trên đầu ra của máy học.

2. Mối quan hệ hợp tác giữa con người và máy móc

Giá trị theo cấp số nhân bắt đầu tích lũy khi máy móc tăng cường và bổ sung các kỹ năng của con người. Cliff Justice, Nhóm Giải pháp Doanh nghiệp và Đổi mới của KPMG cho biết: “Đó là mối quan hệ hợp tác nhiều hơn với trí thông minh máy móc. “Bạn đang tìm kiếm vùng đất mới. Bạn đang đổi mới nhanh hơn.”

Tại EisnerAmper, Machine Learning là động cơ thúc đẩy sự chuyển đổi của công ty cho kỷ nguyên kỹ thuật số, cho phép công ty vượt ra khỏi kiểm toán và kế toán cơ bản để trở thành cố vấn kinh doanh chiến lược cho khách hàng của mình. Công ty đã phát triển các công cụ kiểm toán thông minh – phần mềm giúp học cách tìm hiểu để làm cho quá trình kiểm toán hiệu quả và hiệu quả hơn – và công ty có kế hoạch triển khai hoạt động kiểm toán hoàn toàn dựa trên công nghệ máy học.

Điều đó sẽ giúp các học viên của EisnerAmper dành nhiều thời gian hơn để cung cấp cho khách hàng các dịch vụ tư vấn cấp cao và tư vấn chiến lược, đồng thời cung cấp các dịch vụ kiểm toán truyền thống với mức giá thấp hơn so với các đối thủ cạnh tranh.

Những người học nhanh đang nắm bắt những thay đổi về tổ chức và văn hóa cần thiết để thành công với Machine Learning. Thật vậy, trong số những người trả lời nghiên cứu mới bắt đầu Machine Learning nhưng chưa thấy lợi ích, chỉ 50% nói rằng họ đang có kế hoạch đào tạo lại nhân viên cho thời đại Machine Learning – ít hơn một phần ba so với những người học nhanh.

Những người học nhanh đã nhận ra rằng giá trị của Machine Learning đi kèm với sự kết hợp đúng đắn giữa con người và lao động kỹ thuật số. Điều đó có thể giải thích tại sao những người học nhanh nói rằng sự phản kháng của tổ chức ít thách thức hơn so với các tổ chức khác.

Do đó, họ có một khởi đầu không chỉ trong việc phát triển khả năng Machine Learning mà còn trong việc điều chỉnh doanh nghiệp của họ trong một tương lai gần, trong đó sự tích hợp của máy học và con người sẽ là một nhu cầu cạnh tranh cần thiết.

Reference:

Dan Wellers, Dirk Jendroska. The Human Side of Machine Learning. Retrieved from https://insights.sap.com/the-human-side-of-machine-learning/