Memandangkan sains data menjadi lebih canggih dan pengguna semakin menuntut pengalaman pelanggan yang lebih diperibadikan, AI ialah alat untuk membantu perniagaan memahami pelanggan dan khalayak mereka dengan lebih baik. Tetapi walaupun AI mempunyai semua potensi di dunia, potensi penuh itu mungkin tidak akan dapat direalisasikan jika kita tidak dapat memikirkan cara untuk menangani cabaran etika yang masih ada. Semasa teknologi ini berkembang, satu persoalan yang perlu diingat oleh semua pemimpin yang ingin melaksanakan strategi AI ialah cara memaksimumkan penggunaan AI dalam perusahaan secara beretika dan bertanggungjawab. Untuk melaksanakan dan menskalakan keupayaan AI yang memberikan pulangan pelaburan yang positif, sambil meminimumkan risiko, mengurangkan berat sebelah dan memacu AI kepada nilai, organisasi harus mengikut empat prinsip:
1. Fahami matlamat, objektif dan risiko
Kira-kira tujuh tahun yang lalu, sebuah organisasi mengeluarkan apa yang mereka panggil "kitaran gembar-gembur untuk teknologi baru muncul," meramalkan teknologi yang akan mengubah masyarakat dan perniagaan sepanjang dekad akan datang. Kecerdasan buatan adalah salah satu daripada teknologi ini. Pengeluaran laporan itu telah mendorong syarikat untuk berebut untuk membuktikan kepada penganalisis dan pelabur bahawa mereka celik AI, dan ramai yang mula menggunakan strategi AI pada model perniagaan mereka. Walau bagaimanapun, kadangkala strategi ini terbukti kurang dilaksanakan dan hanya boleh digunakan sebagai imbasan kepada matlamat analitikal atau berangka sedia ada. Ini kerana perniagaan tidak mempunyai pemahaman yang jelas tentang masalah perniagaan yang mereka cari untuk diselesaikan oleh AI. Hanya 10 peratus daripada model AI dan ML yang dibangunkan oleh syarikat dilaksanakan. AI ketinggalan di belakang pemutusan hubungan bersejarah antara perniagaan yang dipersoalkan dan saintis data yang boleh menggunakan AI untuk menyelesaikan masalah itu. Walau bagaimanapun, apabila kematangan data telah meningkat, syarikat telah mula menyepadukan penterjemah data ke dalam rantaian nilai yang berbeza, seperti keperluan perniagaan pemasaran untuk menemui dan mengubah hasil. Itulah sebabnya prinsip menyeluruh membangunkan strategi AI yang beretika adalah untuk memahami semua matlamat, objektif dan risiko, dan kemudian mencipta pendekatan terdesentralisasi kepada AI dalam perusahaan.
2. Menangani prasangka dan diskriminasi
Perniagaan besar dan kecil telah mengalami kerosakan reputasi dan pelanggan tidak mempercayai mereka kerana penyelesaian AI tidak pernah dibangunkan dengan betul untuk menangani berat sebelah. Jadi perniagaan yang mencipta model AI mesti mengambil langkah awal untuk memastikan penyelesaian mereka tidak mendatangkan bahaya. Cara untuk melakukan ini ialah dengan mencipta rangka kerja untuk mengelakkan sebarang kesan negatif terhadap ramalan algoritma. Contohnya, jika syarikat ingin memahami dengan lebih baik sentimen pelanggan melalui tinjauan, seperti cara komuniti yang kurang diwakili melihat perkhidmatan mereka, mereka mungkin menggunakan sains data untuk menganalisis tinjauan pelanggan ini dan menyedari bahawa beberapa peratusan respons adalah dalam bahasa selain bahasa Inggeris, satu-satunya bahasa yang mungkin difahami oleh algoritma AI. Untuk menyelesaikan masalah ini, saintis data bukan sahaja boleh mengubah suai algoritma, tetapi juga menggabungkan nuansa kompleks bahasa. Jika mereka dapat memahami nuansa linguistik ini dan menggabungkan AI dengan bahasa yang lebih fasih untuk membuat kesimpulan ini lebih boleh diambil tindakan, perniagaan akan dapat memahami keperluan komuniti yang kurang diwakili untuk meningkatkan pengalaman pelanggan mereka.
3. Membangunkan rangkaian penuh data asas
Algoritma AI mampu menganalisis set data yang besar, dan perniagaan harus mengutamakan pembangunan rangka kerja untuk piawaian data yang digunakan dan diserap oleh model AI mereka. Untuk berjaya melaksanakan AI, set data holistik, telus dan boleh dikesan adalah penting. AI mesti mengambil kira campur tangan manusia. Seperti slanga, singkatan, perkataan kod dan banyak lagi perkataan yang telah dibangunkan manusia berdasarkan evolusi berterusan, setiap satunya boleh membuat algoritma kecerdasan buatan yang sangat teknikal menjadi salah. Model AI yang tidak dapat mengendalikan nuansa manusia ini akhirnya kekurangan set data keseluruhan. Ia seperti cuba memandu tanpa cermin pandang belakang, dengan beberapa maklumat yang diperlukan, tetapi kekurangan titik buta utama. Perniagaan mesti mencari keseimbangan antara data sejarah dan campur tangan manusia agar model AI memahami perbezaan yang kompleks ini. Dengan menggabungkan data berstruktur dan tidak berstruktur serta melatih AI untuk mengenali kedua-duanya, set data yang lebih komprehensif boleh dijana dan ketepatan ramalan dipertingkatkan. Selanjutnya, pengauditan kumpulan data pihak ketiga boleh menjadi faedah tambahan, bebas daripada berat sebelah dan percanggahan.
4. Elakkan "kotak hitam" pembangunan algoritma
Pendekatan Agar AI beretika, ia perlu telus sepenuhnya. Untuk membangunkan strategi AI yang telus, boleh dijelaskan dan boleh dijelaskan secara serentak, syarikat mesti membuka "kotak hitam" kod untuk memahami cara setiap nod dalam algoritma membuat kesimpulan dan mentafsir keputusan. Walaupun ini kedengaran mudah, mencapai ini memerlukan rangka kerja teknikal yang mantap yang boleh mentafsir model dan tingkah laku algoritma dengan melihat kod asas untuk menunjukkan sub-ramalan berbeza yang sedang dijana. Perniagaan boleh bergantung pada rangka kerja sumber terbuka untuk menilai model AI dan ML merentas pelbagai dimensi, termasuk:
Analisis ciri: untuk menilai kesan penggunaan ciri baharu pada model sedia ada
Analisis Nod: Terangkan subset ramalan
Analisis Tempatan: Mentafsir ramalan individu dan ciri padanan untuk meningkatkan hasil
●Analisis Global: Menyediakan semakan atas ke bawah bagi keseluruhan tingkah laku model dan ciri utama. Kecerdasan buatan ialah teknologi yang kompleks dengan banyak kemungkinan perangkap jika perniagaan tidak berhati-hati.
Model AI yang berjaya harus mengutamakan etika sejak hari pertama, bukan renungan. Merentasi industri dan perniagaan, AI bukanlah satu saiz yang sesuai untuk semua, tetapi satu penyebut biasa yang harus membuat kejayaan ialah komitmen terhadap ramalan yang telus dan tidak berat sebelah.